基于量子行為粒子群優(yōu)化算法的振動(dòng)信號(hào)故障診斷.pdf

1、在當(dāng)代工廠中，機(jī)械系統(tǒng)日益趨于連續(xù)高速化和大型化。為了盡量減少因設(shè)備故障引起的事故及損失，對(duì)運(yùn)轉(zhuǎn)中的生產(chǎn)設(shè)備進(jìn)行實(shí)時(shí)的監(jiān)測(cè)是十分必要的，且具有重大的意義。在工業(yè)中，振動(dòng)信號(hào)普遍存在且易于采集。因此，基于振動(dòng)信號(hào)，對(duì)設(shè)備進(jìn)行故障診斷，有著重大意義。
　　在諸多的信號(hào)降噪處理及故障診斷方法中，本文針對(duì)常用的小波閾值濾波降噪方法以及Elman神經(jīng)網(wǎng)絡(luò)模式識(shí)別故障診斷方法進(jìn)行研究。并提出了利用量子行為粒子群(QPSO)優(yōu)化算法的全局搜索尋

2、優(yōu)能力對(duì)小波閾值濾波降噪方法以及Elman神經(jīng)網(wǎng)絡(luò)的缺陷進(jìn)行優(yōu)化。
　　利用小波閾值濾波方法對(duì)信號(hào)進(jìn)行降噪的過程中，閾值的大小決定著降噪后的信號(hào)的質(zhì)量。因此，提出了利用QPSO算法對(duì)小波閾值濾波進(jìn)行優(yōu)化?；赒PSO算法的全局搜索尋優(yōu)能力，找出最優(yōu)的閾值，進(jìn)而對(duì)信號(hào)降噪。通過仿真驗(yàn)證，結(jié)果表明，提出的降噪濾波方法其效果優(yōu)于小波閾值濾波方法。
　　針對(duì)Elman神經(jīng)網(wǎng)絡(luò)的部分缺陷，如易陷入局部極小。因此，本文決定利用QPSO算

3、法對(duì)其進(jìn)行優(yōu)化。基于QPSO算法擁有的全局搜索尋優(yōu)性能，對(duì)Elman神經(jīng)網(wǎng)絡(luò)中的部分缺陷予以消除。
　　最后，利用滾動(dòng)軸承振動(dòng)信號(hào)數(shù)據(jù)進(jìn)行驗(yàn)證提出方法的正確性。利用QPSO優(yōu)化小波閾值對(duì)滾動(dòng)軸承振動(dòng)信號(hào)進(jìn)行濾波，并與通用小波閾值濾波進(jìn)行了對(duì)比，結(jié)果表明，提出的新方法獲得了較好的效果。接著，對(duì)經(jīng)QPSO優(yōu)化的Elman神經(jīng)網(wǎng)絡(luò)進(jìn)行了驗(yàn)證，同時(shí)，與Elman神經(jīng)網(wǎng)絡(luò)進(jìn)行了對(duì)比，結(jié)果表明，經(jīng)QPSO優(yōu)化后的Elman神經(jīng)網(wǎng)絡(luò)能夠很快達(dá)到