摘要：为消除多通道观测信息冗余，压缩高维故障特征，提出基于KPCA多通道特征信息融合的HSMM设备退化状态识别与故障预测新方法。首先，对采集的单通道振动信号进行小波相关滤波处理，构造单通道振动信号的小波相关特征尺度熵向量，然后，利用KPCA方法对多通道的小波相关特征尺度熵向量进行冗余消除和特征融合，得到多通道的融合小波相关特征尺度熵向量，并以此向量作为HSMM的输入进行训练，建立基于HSMM的设备运行状态分类器与故障预测模型，从而实现设备退化状态识别与故障预测。将其应用到滚动轴承的退化状态识别与故障预测中，验证了该方法的有效性。

关键词：故障预测 状态识别 小波相关特征尺度熵 信息融合 kpca 

单位：国防科学技术大学机电工程研究所 长沙410073