-
题名量子遗传算法优化的SVM滚动轴承故障诊断
被引量:25
- 1
-
-
作者
许迪
葛江华
王亚萍
卫芬
邵俊鹏
-
机构
哈尔滨理工大学机械动力工程学院
哈尔滨工业大学机电工程学院
-
出处
《振动.测试与诊断》
EI
CSCD
北大核心
2018年第4期843-851,共9页
-
基金
国家自然科学基金资助项目(51575143)
黑龙江省自然科学基金资助项目(E2016046)
-
文摘
针对单一测度模型的特征评价方法存在特征敏感度"欠学习",以及支持向量机(support vector machines,简称SVM)参数优化算法普遍存在收敛速度慢、易陷入局部极值等问题,提出一种量子遗传算法优化的SVM滚动轴承故障诊断方法。首先,采集振动信号中的时域和频域特征构成多域多类别原始故障特征集;其次,构建一个基于相关性、距离及信息等测度的混合特征评价模型,得到特征权重与特征值组合构成的加权故障特征集;最后,将加权故障特征集为输入,将量子熵引入到量子遗传算法当中,对SVM的结构参数进行全局优化,完成滚动轴承故障模式的识别。试验结果表明,该方法能够以更快的速度收敛至全局最优解,在保证聚类性能的基础上提高了滚动轴承的诊断精度。
-
关键词
特征敏感度
混合特征评价
量子遗传算法
支持向量机
滚动轴承故障诊断
-
Keywords
characteristic sensitivity
hybrid feature evaluation
quantum genetic algorithm
support vector machine
rolling bearing fault diagnosis
-
分类号
TH133.33
[机械工程—机械制造及自动化]
TP18
[自动化与计算机技术—控制理论与控制工程]
-