摘要：隐马尔可夫模型（Hidden Markov model,HMM）是一种具有较强的时间序列建模能力的信号模式处理工具,在语音处理中获得了广泛应用,特别适合于非线性、重复再现性不佳的信号的分析.基于振动信号与语音信号的相似性,将CHMM（Continuous Hidden Markov model）引入了旋转机械的故障诊断中.采用12阶LPC倒谱系数进行特征提取,建立CHMM,为防止数据下溢,引入前向一后向比例因子算法求其对数似然概率,并且采用K-means算法对CHMM进行参数初始化.在给定的观测序列中每一种模型的优化路径通过Viterbi算法实现,用Baum-Welch算法实现参数重估,并给出了重估公式.最后,在转子试验台上模拟了四种故障试验,建立了四种故障的CHMM模型,通过求其最大似然概率值来决定机器的运行状态,试验结果证明了该方法的有效性.

关键词：chmm 故障诊断 旋转机械 模式识别 

单位：东北大学机械工程与自动化学院; 沈阳110004