基于QPSO⁃HMM的滚动轴承故障程度辨识

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

所属期刊栏目：41

分类号：TH133.33;TH165

资助基金：国家自然科学基金;辽宁省博士启动基金资助项目;辽宁省教育厅资助项目

在线出版日期：2022-01-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1138-1142