袁洪芳，张 任，王华庆

(1.北京化工大学 信息科学与技术学院，北京 100029；2.北京化工大学 机电工程学院，北京 100029)

齿轮箱作为大型旋转设备中重要零部件，一旦发生故障，设备甚至生产过程均会受其影响。为保证设备安全、高效运行，故障诊断技术应运而生，现已用于各种机械设备，避免众多生产事故的发生[1]。目前齿轮故障诊断研究主要集中在齿轮箱状态检测仪器及分析系统的开发、信号处理与分析、故障机理研究与典型故障特征提取、诊断方法及人工智能应用，包括振动诊断、噪声分析、扭振分析、油液分析、声发射、温度及能耗监测等。信号处理及分析方法亦取得较大发展，如时域波形分析法、功率谱分析、包络谱分析、时间序列分析、小波变换、HHT变换等。以上方法在故障诊断中虽已成熟应用，但仍依赖专家经验。而智能诊断方法因依赖专家经验少、操作简单方便、具有自动性、实时性强等特点得到较大发展[2]。常用智能诊断算法包括人工神经元网络、遗传算法、支持向量机、蚁群算法等，虽在模式识别领域成熟应用，但均存在缺点。神经网络易陷入局部最优；遗传算法对染色体编码及适应度函数设计要求较高；蚁群算法搜索时间过长，易出现搜索停滞。隐马尔科夫模型(Hidden Markov Model，HMM)为不完全观测数据的统计模型，在语音识别领域应用广泛，包容性、适用性强[3]，且HMM训练时间短，无需提前建立目标函数，识别准确率较高。HMM的应用包括手语识别、口型识别、车牌识别、人脸检测及信号处理与模式识别领域[4]。……