基于隐马尔可夫支持向量机的非平稳故障诊断新方法研究

旋转机械的监测诊断面临着大量的连续非平稳动态信号，传统的处理技术都是以平稳信号为前提的，无法揭示故障的发生或发展的本质。隐马尔可夫模型(HMM)非常适合于处理连续动态信号，但是HMM更多地表达了信号类别内部的相似性，而支持向量机(SVM)则很大程度上反映了类别间的差异，因此，结合上述两个统计模型的优点，提出一种新的非平稳信号学习与分类模型－隐马尔可夫支持向量机（HMM-SVM），对于丰富和发展故障诊断理论，进一步提高故障诊断技术水平具有重要意义。