基于最佳小波包分解和HMM的齿轮故障模式识别

• 作 者: 郑思来 王细洋
• 机 构: 南昌航空大学
• 出 处: 失效分析与预防
• 发表日期: 2014年6期
• 关键词: 故障识别 最佳小波包分解 特征提取 隐马尔可夫模型 fault identification optimum wavelet packet decomposi
• 基金项目: 国家自然科学基金（51465040）

齿轮故障模式识别的关键问题在于对故障振动信号的特征提取。为了快速准确识别齿轮故障模式,提出了一种基于最佳小波包分解（OWPD）和隐马尔可夫模型（HMM）的识别方法。该方法对采集的振动信号进行小波包分解,再利用OWPD自动选择提取最佳小波包能量构造特征向量,输入HMM中进行训练与测试,实现了齿轮故障模式识别。实验结果表明该方法在齿轮故障模式识别方面的有效性和准确性。