首页  |  期刊简介  |  期刊荣誉  |  编委会  |  现任主编  |  投稿指南  |  下载中心  |  期刊征订
中文核心期刊
Ei Compendex收录期刊
中国科学引文数据库来源期刊
中文科技期刊数据库收录期刊
国际刊号:1004-6801
国内刊号:32-1361/V
用户登录
  E-mail:  
  密  码:  
  作者 审稿  
  编辑 读者  
期刊向导
联系方式
  • 主管:中华人民共和国工业
              和信息化部
  • 主办:南京航空航天大学
              全国高校机械工程
              测试技术研究会
  • 国际刊号:1004-6801
  • 国内刊号:32-1361/V
  • 地址:南京市御道街29号
  • 电话:025-8489 3332
  • 传真:025-8489 3332
  • E-mail:qchen@nuaa.edu.cn
  • 邮编:210016
基于QPSO⁃HMM的滚动轴承故障程度辨识
Fault Degree Identification of Rolling Bearing Based on QPSO⁃HMM
  
DOI:10.16450/j.cnki.issn.1004?6801.2021.06.014
中文关键词:  故障程度辨识  隐马尔科夫模型  量子粒子群优化  滚动轴承
英文关键词:fault degree identification  hidden Markov model  quantum particle swarm optimization  rolling bearing
基金项目:国家自然科学基金资助项目(11702178);辽宁省博士启动基金资助项目(20180540013);辽宁省教育厅资助项目(LQ2019008)
作者单位
杨铮鑫1, 王明罡1, 龚博2, 党鹏飞1 (1.沈阳化工大学机械与动力工程学院 沈阳110142)(2.采油六厂第二油矿地质队 大庆163400) 
摘要点击次数: 25
全文下载次数: 3
中文摘要:
      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。
英文摘要:
      Based on the global search ability of quantum particle swarm optimization (QPSO) and the excellent time series classification ability of hidden Markov model (HMM), a method of fault degree identification of rolling bearing is proposed, and the performance of the method is verified by the measured vibration signal. Firstly, the measured vibration signal is decomposed by the variable mode decomposition , and the signal feature is extracted by the singular value decomposition. Then, the hidden Markov model is trained by QPSO algorithm and the sample signals, the trained hidden Markov model is used for bearing fault degree identification. Finally, the test signal is input into the model to identify the fault degree of rolling bearing. The results show that this algorithm can solve the problem of local optimization of parameters estimation of hidden Markov model, and can get high accuracy of fault degree identification of rolling bearing.
查看全文  查看/发表评论  下载PDF阅读器
关闭

Copyright @2010-2015《振动、测试与诊断》

地址:南京市御道街29号        邮编:210016

电话:025-8489 3332      传真:025-8489 3332       E-mail:qchen@nuaa.edu.cn

您是本站第2771864位访问者 本站今日一共被访问156

技术支持:北京勤云科技发展有限公司