隐马尔科夫模型(Hidden Markov Model,简称作HMM)是一种新的模式识别技术,其基本方法是通过对训练信号进行特征值提取和标量量化,建立具有相应状态数和观测值数的隐Markov模型,然后利用该模型计算待诊断信号与训练信号的相似概率,根据相似概率的差异判断信号状态的变化,达到信号模式分类的目的。本文的主要研究工作是利用HMM进行机械设备运行状态识别和故障诊断,包括三项研究内容:1)在深入学习HMM理论基础上,探讨HMM的技术实现方法,编制Matlab环境下的HMM实现程序;2)研究振动信号特征提取方法,开发基于LabVIEW的希尔伯特变换和倒频谱分析程序;3)应用HMM对于汽轮机和齿轮等两种典型旋转机械设备运行状态进行分析识别。对于汽轮机设备,以其振动信号频谱中基频处的幅值作为HMM训练的特征值,建立汽轮机升负荷过程的HMM,进行设备状态变化分析;对于齿轮箱设备,建立运行过程振动信号的HMM模型,根据相似概率的变化识别齿根裂纹故障的生成及发展趋势,两个应用案例都给出满意的结果。