首页 | 本学科首页   官方微博 | 高级检索  
     

基于量子粒子群优化Volterra时域核辨识的隐Markov模型识别方法
引用本文:李志农,蒋静,冯辅周,袁振伟. 基于量子粒子群优化Volterra时域核辨识的隐Markov模型识别方法[J]. 仪器仪表学报, 2011, 32(12)
作者姓名:李志农  蒋静  冯辅周  袁振伟
作者单位:1. 南昌航空大学无损检测技术教育部重点实验室 南昌330063;郑州大学机械工程学院 郑州450001
2. 郑州大学机械工程学院 郑州450001
3. 装甲兵工程学院机械工程系 北京100072
基金项目:国家自然科学基金,湖南省机械设备健康维护重点实验室开放基金,江西省研究生教育创新基地基金
摘    要:将量子粒子群优化算法引入Voherra级数模型的非线性辨识中,并结合隐Markov模型(hidden Markov model,HMM),提出了一种基于量子粒子群优化的Voherra时域核特征提取的HMM识别方法,在提出的方法中,利用量子粒子群优化算法辨识得到的前三阶Volterra时域核作为故障特征,输入到各种状态的HMM中,其中,输出概率最大的HMM对应的状态即为设备的当前运行状态.提出的方法克服了传统的基于Volterra模型系统的机械故障诊断要求目标函数连续可导、容易陷入局部最小以及抗干扰能力差等缺陷.最后,将提出的方法应用到旋转机械故障诊断中.实验结果验证了该方法的有效性.

关 键 词:Volterra级数  隐Markov模型(HMM)  量子粒子群优化(QPSO)  故障诊断  模式识别

Hidden Markov model recognition method based on Volterra kernel identified with particle swarm optimization
Li Zhinong,Jiang Jing,Feng Fuzhou,Yuan Zhenwei. Hidden Markov model recognition method based on Volterra kernel identified with particle swarm optimization[J]. Chinese Journal of Scientific Instrument, 2011, 32(12)
Authors:Li Zhinong  Jiang Jing  Feng Fuzhou  Yuan Zhenwei
Affiliation:Li Zhinong1,2,Jiang Jing2,Feng Fuzhou3,Yuan Zhenwei2(1 Key Laboratory of Nondestructive Testing,Ministry of Education,Nanchang Hangkong University,Nanchang 360063,China,2 School of Mechanical Engineering,Zhengzhou University,Zhengzhou 450001,3 Department of Mechanical Engineering,Academy of Armored Force Engineering,Beijing 100072,China)
Abstract:Quantum particle swarm optimization(QPSO) is introduced into nonlinear system identification of Volterra series model and combined with hidden Markov model(HMM);a new fault recognition method is proposed.In the proposed method,the first three order Volterra kernel identified with QPSO algorithm is used as the fault feature vector,which is inputted into the HMM of each fault mode for training;and the HMM with maximum probability determines current condition of the set.The proposed method can overcome the def...
Keywords:Volterra series  hidden Markov model(HMM)  quantum particle swarm optimization(QPSO)  fault diagnosis  pattern recognition  
本文献已被 CNKI 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号