基于QPSO-HMM的滚动轴承故障程度辨识

作者：杨铮鑫; 王明罡; 龚博; 党鹏飞^*

来源：振动.测试与诊断, 2021, 41(06): 1138-1238.

DOI：10.16450/j.cnki.issn.1004-6801.2021.06.014

• 故障程度辨识
• 隐马尔科夫模型
• 量子粒子群优化
• 滚动轴承

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。

• 单位
  沈阳化工大学