论文部分内容阅读
滚动轴承广泛应用于旋转机械中,然而由于各种原因,滚动轴承很容易发生各种形式的故障,因此对滚动轴承开展故障诊断便成为保证设备正常运行的关键,具有重大的现实意义。针对传统的模式识别方法(如神经网络识别法)一直停留在静态模式识别上的不足,本文提出采用一种近年来在语音识别技术中发展较快的动态模式识别技术——隐马尔科夫模型(Hidden Markov Model, HMM)来对滚动轴承进行故障诊断。HMM建模时统计的是一个时间跨度上的动态信息,特别适合对信息量大、非平稳、特征重复性不佳的诊断信号进行