基于QPSO⁃HMM的滚动轴承故障程度辨识 |
| |
作者姓名: | 杨铮鑫 王明罡 龚博 党鹏飞 |
| |
作者单位: | (1.沈阳化工大学机械与动力工程学院 沈阳,110142)(2.采油六厂第二油矿地质队 大庆,163400) |
| |
基金项目: | 国家自然科学基金资助项目(11702178);辽宁省博士启动基金资助项目(20180540013);辽宁省教育厅资助项目(LQ2019008) |
| |
摘 要: | 综合量子粒子群优化算法(quantum particle swarm optimization,简称QPSO)的全局搜索能力与隐马尔科夫模型(hidden Markov model,简称HMM)良好的时间序列分类能力,提出一种基于QPSO?HMM的滚动轴承故障程度辨识方法,并利用实测振动信号对该方法的性能进行验证。首先,采用变分模态分解对实测振动信号进行分解,并用奇异值分解进行信号特征提取;其次,利用QPSO算法和样本信号对HMM进行训练;最后,将测试信号输入训练得到的HMM中进行滚动轴承故障程度辨识。结果表明,该算法解决了HMM的参数估计局部最优化问题,对滚动轴承不同故障程度的辨识准确率较高。
|
关 键 词: | 故障程度辨识; 隐马尔科夫模型; 量子粒子群优化; 滚动轴承 |
|
| 点击此处可从《振动、测试与诊断》浏览原始摘要信息 |
|
点击此处可从《振动、测试与诊断》下载全文 |