10.13465/j.cnki.jvs.2019.18.027
基于BQGA-ELM网络在滚动轴承故障诊断中的应用研究
提出一种基于Bloch球面量子遗传算法(BQGA)优化极限学习机(ELM)网络的诊断方法(BQGA-ELM),并将BQGA-ELM运用于滚动轴承故障诊断中.基于UCI标准数据集,通过仿真实验比较Bloch量子遗传算法与其它算法优化ELM的性能,仿真实验表明BQGA的优化效果强于其它优化算法.从实验室采集滚动轴承正常、内环故障、外环故障和滚珠故障四种工况的振动信号,并利用时域分析法提取振动信号的相关特征参量.将提取的特征参量经过数据预处理,再输入到诊断模型中进行滚动轴承故障诊断.结果 表明:BQGA-ELM能够准确有效的对滚动轴承故障进行诊断,且其误差收敛与故障诊断时间均优于文中其它诊断模型.
Bloch量子遗传算法(BQGA)、极限学习机(ELM)、故障诊断、滚动轴承
38
TH17;V231.1
国家自然科学基金委员会与中国民用航空局联合资助U1633101;中央高校基本科研业务费项目中国民航大学专项资助3122017056
2019-10-25(万方平台首次上网日期,不代表论文的发表时间)
共9页
192-200