使用GA初始化CGHMM参数的轴承故障诊方法

• 作者: 陆汝华 颜文燕
• 来源期刊: 噪声与振动控制
• 学科: 工学
• 关键词: 振动与波 遗传算法 初始化 连续高斯混合密度隐马尔可夫模型 故障诊断
• 年，卷（期）: 2016,（2）
• 页码范围: 180-184
• 页数: 5页
• 分类号: TP206+.3
• 字数: 3951字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-1335.2016.02.040

摘要

连续高斯混合密度隐马尔可夫模型（Continuous Gaussian Mixture Hidden Markov Model, CGHMM）在故障诊断领域得到了广泛应用，取得了较好效果。CGHMM训练模型较大、局部最优，但模型参数初始化值会直接影响迭代收敛速度和模型效用。全局最优的遗传算法（Genetic Algorithm, GA）初始化CGHMM模型参数，为CGHMM训练提供了一个好的初始值，不仅可以加快收敛速度，还可以得到一个更好的模型。通过GA初始化CGHMM、CGHMM训练和CGHMM诊断过程等三个方面的仿真实验和比较分析可以得出，该方法具有训练速度快和CGHMM模型好的优点。在最后的CGHMM诊断仿真实验中，该方法诊断精度为100%，高于经典方法的96%，表明GA确实可以成功应用于CGHMM参数初始化，是一种可行的故障诊断方法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陆汝华	湘南学院软件与通信工程学院	49	85	5.0	8.0
2	颜文燕	湘南学院软件与通信工程学院	23	20	3.0	4.0