基于隐马尔可夫的滚动轴承健康状态评价方法研究

滚动轴承是发电机内部最容易发生故障的部件之一,为了评价轴承的运行状态,保证发电机组的正常运行,提出了一种基于小波包-互补聚合经验模态分解(CEEMD)和变分贝叶斯-隐马尔可夫模型(HMM)的滚动轴承健康状态评价方法。首先,采用小波包-互补聚合经验模态分解对振动信号进行了降噪和特征提取,再将提取到的健康状态下的特征信号输入到变分贝叶斯-隐马尔可夫模型中进行了训练,最终将轴承的全周期特征信号输入到该模型中,分别用轴承退化实验数据和实验台实测数据对此模型进行了测试。研究结果表明:模型输出的对数似然概率值可作为指标进行状态评价;对数似然概率曲线的变化均能反映轴承的健康、劣化和失效的运行状态,该实验方法具有很好的适用性。