基于量子粒子群优化Volterra时域核辨识的隐Markov模型识别方法

被引：12

作者：

李志农 ^{[1
,2
]}

蒋静 ^{[2
]}

冯辅周 ^{[3
]}

袁振伟 ^{[2
]}

机构：

[1] 南昌航空大学无损检测技术教育部重点实验室

[2] 郑州大学机械工程学院

[3] 装甲兵工程学院机械工程系

来源：

仪器仪表学报 | 2011年 / 32卷 / 12期

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;

D O I：

10.19650/j.cnki.cjsi.2011.12.009

中图分类号：

TP18 [人工智能理论]; N945.14 [系统辨识];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 071102 ;

摘要：

将量子粒子群优化算法引入Volterra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Volterra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。

引用

页码：2693 / 2698

页数：6

共 9 条

[1] 基于子带分析的非线性电路故障诊断 [J].