量子粒子群算法优化相关向量机的轴承故障诊断

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.