Hilbert-全矢HMM軸承剩余壽命預測

張 旺，陳 磊，陳超宇，韓 捷

（鄭州大學振動工程研究所，河南 鄭州 450001）

1 引言

旋轉機械普遍地應用于電力、冶金、交通、航空航天、國防安全等關鍵領域，軸承作為旋轉機械最為關鍵的零部件之一，其工作狀態直接影響著整個機械的性能和運行狀態。所以軸承的故障診斷和狀態監測成為國內外故障診斷領域的核心課題之一。如傳統的AR模型等在非線性時間序列預測表現出良好的預測特性，但是在設備運行中往往存在隨機因素，例如突發故障等具有很強的快速性和隨機性，其發生前特征并不明顯，此時RA模型對于隨機部分無法做出較好的識別和預判。目前故障診斷預測也出現很多機器學習方法，如神經網絡但是其根據經驗風險最小化原則需要大量的訓練樣本，同時其忽略了數據的前后關系，在診斷預測的時效性方面受到一定的局限。

隱馬爾科夫鏈作為雙隨機概率模型被廣泛應用與信號處理和模式識別中，對非線性時間序列和隨機部分具有很強的時序信號分類和識別能力，在語音識別和面部識別方面得到成功的應用。隱馬爾科夫鏈按處理信號類型劃分為離散隱馬爾科夫鏈（DHMM）和連續隱馬爾科夫鏈（CHMM），由于離散隱馬爾科夫鏈受制于數據類型，在模型訓練時，需要對連續信號進行編碼處理，但在編碼過程會漏掉許多有用信息，對故障診斷和預測造成很大的影響。采用連續隱馬爾科夫鏈（CHMM）直接對時間序列進行處理，保留……