自适应粒子群优化的HMM故障诊断方法及应用

A fault diagnosis method with application of HMM Based on adaptive particle swarm optimization

郭森 ¹王大为 ¹张绍伟 ¹张学成²

扫码查看

作者信息

1. 上海机电工程研究所,上海201109
2. 陆军装备部驻上海地区第三军代室,上海201109
折叠

摘要

针对传统隐马尔科夫模型(hidden Markov model,HMM)解决学习训练过程中参数容易局部收敛的问题,采用一种自适应粒子群算法对HMM模型进行优化改进.在基础粒子群算法中加入惯性权重因子,并根据算法迭代结果对算法各因子大小进行动态控制,增强该算法的全局搜索能力.改进后的粒子群算法融入HMM模型训练过程参数学习的优化过程,能够提高HMM的训练精度.将其应用到油机电站的故障诊断当中,通过对其实测振动数据进行分析,与标准算法相比,对油机处于正常、供气不足、进气门间隙异常状态的分类准确率都有所提升,整体诊断精度达到97.3％.结果表明,基于自适应粒子群优化的HMM故障诊断方法能够有效解决传统模型的局部收敛问题.

关键词

粒子群优化/自适应方法/隐马尔科夫模型/故障诊断

引用本文复制引用

基金项目

军队科研项目()

出版年

2021

振动与冲击

中国振动工程学会上海交通大学上海市振动工程学会

振动与冲击

CSTPCDCSCD北大核心

影响因子：0.898

ISSN：1000-3835

被引量5

参考文献量9

段落导航