基于QPSO⁃HMM的滚动轴承故障程度辨识

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。