量子粒子群算法优化相关向量机的轴承故障诊断

• 作者: 吕维宗 王海瑞 舒捷
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 量子粒子群算法 故障诊断 相关向量机 EEMD
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 软件技术与研究
• 页码范围: 6-11,16
• 页数: 7页
• 分类号: TP215
• 字数: 5441字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.01.002

摘要

人为因素对传统滚动轴承故障诊断方法有比较大的影响,并且故障起因比较复杂.针对此问题提出用基于量子粒子群(QPSO)算法优化的相关向量机(RVM)进行滚动轴承故障诊断.采用总体平均经验模态分解(EEMD)方法来处理滚动轴承的振动信号,分解后可以得到很多内禀模态函数(IMF).再把IMF能量作为特征向量输入到QPSA-RVM诊断器中对滚动轴承的故障进行准确诊断.实验结果显示:该模型可以更快地实现对滚动轴承故障的准确识别,证明了该模型的稳定性及高效性.与支持向量机(SVM)分析对比后,进一步体现出RVM方法在智能故障诊断领域中具有优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王海瑞	昆明理工大学信息工程与自动化学院	66	230	8.0	12.0
2	吕维宗	昆明理工大学信息工程与自动化学院	5	4	1.0	2.0
3	舒捷	昆明理工大学信息工程与自动化学院	4	4	1.0	2.0