量子粒子群算法优化相关向量机的轴承故障诊断.PDFVIP

第３６卷第１期　　　 计算机应用与软件 Ｖｏｌ３６Ｎｏ．１ ２０１９年１月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｊａｎ．２０１９ 量子粒子群算法优化相关向量机的轴承故障诊断 吕维宗　王海瑞　舒　捷 （昆明理工大学信息工程与自动化学院　云南昆明６５０５００） 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。 关键词　　量子粒子群算法　故障诊断　相关向量机