基于量子粒子群优化Volterra时域核辨识的隐Markov模型识别方法

• 作者: 冯辅周 李志农 蒋静 袁振伟
• 来源期刊: 仪器仪表学报
• 学科: 工学
• 关键词: Volterra级数 隐Markov模型(HMM) 量子粒子群优化(QPSO) 故障诊断 模式识别
• 年，卷（期）: 2011,（12）
• 所属期刊栏目: 学术论文
• 页码范围: 2693-2698
• 分类号: TN17|O235|TP272
• 字数: 4224字
• 语种: 中文

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李志农	南昌航空大学无损检测技术教育部重点实验室	66	582	13.0	19.0
3	蒋静	郑州大学机械工程学院	11	68	5.0	8.0
6	冯辅周	装甲兵工程学院机械工程系	89	669	12.0	22.0
7	袁振伟	郑州大学机械工程学院	21	170	9.0	12.0