曹端超，康建设，张星辉

(军械工程学院，石家庄 050003)

目前，隐马尔可夫模型(Hidden Markov Model,HMM)在故障诊断研究中成为热点。而以往应用HMM对故障进行模式识别、诊断[1-6]，其信号的降噪、分解往往使用小波分析。小波分析有其固有缺陷，局限性体现在以下4个方面：(1)小波基难以选择；(2)固定的基函数；(3)恒定的多分辨率；(4)信号需平稳，未脱离Fourier分析的局限性。

而经验模态分散(Empirical Mode Decomposition,EMD)则可以弥补小波分析的这种缺陷。其优越性表现在以下几个方面:(1)基函数可以自动产生。EMD方法在整个“筛分”过程中是直接和自适应的，不像小波分解那样需要预先选择基函数。在EMD分解过程中，基函数直接从信号本身产生，不同的信号会产生不同的基函数，因此EMD方法是依据信号本身的信息对信号进行分解，得到的固有模态函数(Imtrinsic Mode Function,IMF)分量的个数通常是有限的，而且每一个IMF分量都表现出了信号内含的真实物理信息。(2)自适应的滤波特性。经过“筛分”过程，EMD方法将信号进行分解，得到一系列包含了从高到低不同频率成分而且可以是不等带宽的IMF分量c1,c2,…,cn，这些频率成分和带宽是随信号的变化而变化的。(3)自适应的多分辨率。EMD方法将信号进行分解，得到有限数目的IMF分量，各个IMF分量包含了不同的特征时间尺度，这样就可以使信号特征在不同的分辨率下显示出来，因此EMD方法可以实现多分辨率的分解[7-9]。

在信号分析过程中，时间尺度和随时间尺度分布的能量是信号的两个主要参数。当机械系统发生故障时，其振动信号与正常系统的振动信号相比，相同频带内信号的能量会有较大的差别，故障振动信号的能量在某些频带内会减少，而在另外一些频带内会增加。……