基于最优Morlet小波和隐马尔可夫模型的轴承故障诊断 (2012年)

提出一种从信号时频域提取故障特征的新方法，先将振动信号作Morlet小波变换，再将小波系数顺序划分成多个子列，各子列协方差矩阵的特征值为所需的特征参数。为了更有效地提取信号的振动特性及周期性成分，使用了最小香农熵准则和奇异值分解技术选择Morlet小波参数，并用比较实验证明了参数优化的有效性。状态辨识使用了连续型隐马尔可夫模型，在三种故障程度下分别实现轴承正常状态，滚动体故障，内圈和外圈故障的正确辨识，平均精度都大于93%。