基于HMM和QPSO优化算法的轴承故障程度辨识方法

摘要

基于HMM和QPSO优化算法的轴承故障程度辨识方法，涉及滚动轴承故障诊断方法，本发明通过对原始时态的信号作为输入，采用变分模态分解（VMD）的方法对信号进行分解，然后对每一个本征模态分量（IMF）分量中进行奇异值分解，得到奇异值矩阵，利用K‑means聚类方法，将奇异值矩阵分类并编码，最后利用量子粒子群算法（QPSO）进行对隐马尔科夫模型（HMM）的参数优化，得到训练好的HMM，再用同样的方式处理测试信号，然后用训练好的HMM对测试信号进行精确的故障程度辨识。本发明用参数作为隐马尔科夫模型的学习参数，从而对轴承故障程度进行分类，用以故障程度评估，具有重要的工程意义。