有效的特征提取方法和分类算法能显著的提高故障识别的精度。小波能谱熵突出了振动信号中短暂的异常信号，能有效的表征早期故障特征；隐半马尔可夫模型通过加入高斯概率分布函数来描述各个状态的驻留时间，能合理的表征振动信号的暂态特征，适合于机械系统的故障识别问题；本文将小波能谱熵和HSMM相结合，提出了基于小波能谱熵的HSMM故障识别方法。以小波能谱熵作为特征向量，通过训练得到各个状态的HSMM模型并建立分类器，从而实现对未知状态的识别。以齿轮为对象，对齿轮常见的故障状态进行了识别试验。