自适应粒子群优化的HMM故障诊断方法及应用

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

所属期刊栏目：40

分类号：TH17

资助基金：军队科研项目

在线出版日期：2021-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：264-270