自适应粒子群优化的HMM故障诊断方法及应用

作者：郭森; 王大为; 张绍伟^*; 张学成

来源：振动与冲击, 2021, 40(20): 264-270.

DOI：10.13465/j.cnki.jvs.2021.20.033

• 粒子群优化
• 自适应方法
• 隐马尔科夫模型
• 故障诊断

针对传统隐马尔科夫模型(hidden Markov model, HMM)解决学习训练过程中参数容易局部收敛的问题,采用一种自适应粒子群算法对HMM模型进行优化改进。在基础粒子群算法中加入惯性权重因子,并根据算法迭代结果对算法各因子大小进行动态控制,增强该算法的全局搜索能力。改进后的粒子群算法融入HMM模型训练过程参数学习的优化过程,能够提高HMM的训练精度。将其应用到油机电站的故障诊断当中,通过对其实测振动数据进行分析,与标准算法相比,对油机处于正常、供气不足、进气门间隙异常状态的分类准确率都有所提升,整体诊断精度达到97.3%。结果表明,基于自适应粒子群优化的HMM故障诊断方法能够有效解决传统模型的局部收敛问题。

• 单位
  上海机电工程研究所