仪器仪表学报
儀器儀錶學報
의기의표학보
CHINESE JOURNAL OF SCIENTIFIC INSTRUMENT
2011年
12期
2693-2698
,共6页
李志农%蒋静%冯辅周%袁振伟
李誌農%蔣靜%馮輔週%袁振偉
리지농%장정%풍보주%원진위
Volterra级数%隐Markov模型(HMM)%量子粒子群优化(QPSO)%故障诊断%模式识别
Volterra級數%隱Markov模型(HMM)%量子粒子群優化(QPSO)%故障診斷%模式識彆
Volterra급수%은Markov모형(HMM)%양자입자군우화(QPSO)%고장진단%모식식별
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.
將量子粒子群優化算法引入Voherra級數模型的非線性辨識中,併結閤隱Markov模型(hidden Markov model,HMM),提齣瞭一種基于量子粒子群優化的Voherra時域覈特徵提取的HMM識彆方法,在提齣的方法中,利用量子粒子群優化算法辨識得到的前三階Volterra時域覈作為故障特徵,輸入到各種狀態的HMM中,其中,輸齣概率最大的HMM對應的狀態即為設備的噹前運行狀態.提齣的方法剋服瞭傳統的基于Volterra模型繫統的機械故障診斷要求目標函數連續可導、容易陷入跼部最小以及抗榦擾能力差等缺陷.最後,將提齣的方法應用到鏇轉機械故障診斷中.實驗結果驗證瞭該方法的有效性.
장양자입자군우화산법인입Voherra급수모형적비선성변식중,병결합은Markov모형(hidden Markov model,HMM),제출료일충기우양자입자군우화적Voherra시역핵특정제취적HMM식별방법,재제출적방법중,이용양자입자군우화산법변식득도적전삼계Volterra시역핵작위고장특정,수입도각충상태적HMM중,기중,수출개솔최대적HMM대응적상태즉위설비적당전운행상태.제출적방법극복료전통적기우Volterra모형계통적궤계고장진단요구목표함수련속가도、용역함입국부최소이급항간우능력차등결함.최후,장제출적방법응용도선전궤계고장진단중.실험결과험증료해방법적유효성.
