基于GA改进DHMM和KPCA-RS的滚动轴承智能诊断方法研究

摘要

为实现滚动轴承故障智能诊断,提出了一种基于核主元分析法(KPCA)、粗糙集(RS)和遗传算法(GA)改进离散隐马尔科夫模型(DHMM)的智能诊断方法.通过使用混合核函数的KPCA和RS对时域、频域参数进行约简,构造敏感性高、稳定性强,并能准确表征轴承状态的特征参数矩阵.应用GA优化了DHMM,克服了DHMM训练算法容易陷入局部极小的缺点.最后应用GA优化的DHMM训练算法得到的滚动轴承各状态下的DHMM,并通过比较测试样本在各DHMM下的对数似然概率,实现了轴承故障类型的有效识别.实验结果表明,该方法可以有效地识别滚动轴承的状态,具有较强的适用性.