基于量子遗传的机械故障源盲源分离方法研究

发布时间：2017-04-12 17:21

  本文关键词：基于量子遗传的机械故障源盲源分离方法研究，，由笔耕文化传播整理发布。

【摘要】：针对机械设备多故障源盲分离方法的不足,本文将量子遗传算法引入到机械设备的多故障源盲源分离中,深入研究了基于量子遗传算法的机械故障盲源分离方法,并取得了较好的成果。文章研究的内容主要有以下几点:1、论述了课题的提出及其研究意义,综述了机械设备多故障源盲分离研究的国内外研究现状和量子遗传算法的国内外研究现状。在此基础上,给出了本论文的研究内容和主要创新点。2、论述了量子遗传算法的相关的理论知识,针对基于遗传算法的机械故障源分离方法(简记GA-BSS方法)存在的不足和量子遗传的独特优势,提出了基于量子遗传的机械故障盲源分离方法(简记QGA-BSS方法),并与传统的GA-BSS方法进行了比较,仿真结果表明,提出的方法优于GA-BSS方法,尤其是在快速收敛性方面,避免了GA-BSS方法早熟收敛,同时也大幅度地减少了计算量。最后,将提出的方法应用到轴承故障分离中,能很好地提纯出轴承故障特征。实验结果证明提出的QGA-BSS方法是有效的。3、将量子遗传引入到机械故障非线性盲分离中,提出一种基于量子遗传的机械故障非线性盲源分离方法(简称QGA-NBSS方法),该方法能同时对分离矩阵和非线性去混合函数的参数进行优化,获得全局最优解并加快了算法的全局收敛性,克服了传统的机械故障非线性盲分离方法的不足,即将非线性盲源分离中分离矩阵和非线性去混合函数的参数分开来优化,这样容易顾此失彼,学习效率低。仿真和实验结果验证了提出的方法的有效性。4、基于双链量子遗传和盲源分离算法的独特特性,提出一种基于双链量子遗传的机械故障盲源分离方法(DQGA-BSS方法)。相对于传统的优化算法,提出的算法收敛速度更快、搜索能力更强、种群多样性更丰富。最后,通过轴承故障实验成功的分离出了内圈和外圈的故障信号。实验结果证明了该算法的有效性。5、受到双链量子遗传算法的启发,若能将量子比特的编码从平面圆周上转换到球面坐标上,那么算法的搜索能力将大大增加,为此更有利于寻找最优解,在此基础上,提出一种基于Bloch球面坐标的量子遗传的机械故障盲源分离算法(简记BQGA-BSS方法),并与DQGA-BSS方法进行了对比分析,最后,将提出的方法应用到轴承多故障盲分离中,实验结果进一步验证了该方法的有效性。
【关键词】：盲源分离 量子遗传算法 故障诊断 非线性
【学位授予单位】：南昌航空大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TH17
【目录】：

• 摘要4-5
• Abstract5-9
• 第1章 绪论9-18
• 1.1 课题的提出及其意义9-10
• 1.2 机械故障源盲分离的国内外研究现状10-13
• 1.3 量子遗传算法的国内外研究极其应用现状13-15
• 1.4 论文的主要内容与创新之处15-17
• 1.4.1 论文的主要内容15-16
• 1.4.2 关键问题及创新之处16-17
• 1.5 本章小结17-18
• 第2章 基于量子遗传算法的机械故障盲源分离方法研究18-30
• 2.1 概述18-19
• 2.2 QGA-BSS算法19-22
• 2.3 仿真研究22-26
• 2.3.1 分离性能比较24-25
• 2.3.2 算法的收敛性和运行速度比较25-26
• 2.4 实验研究26-28
• 2.5 本章小结28-30
• 第3章 量子遗传算法的机械故障源的非线性盲分离算法研究30-38
• 3.1 概述30
• 3.2 QGA-NBSS方法30-32
• 3.3 仿真研究32-35
• 3.4 实验研究35-37
• 3.5 本章小结37-38
• 第4章 双链量子遗传算法的机械故障盲源分离方法研究38-51
• 4.1 概述38-39
• 4.2 DQGA-BSS方法39-43
• 4.2.1 双链量子比特编码40-41
• 4.2.2 解空间变换41-42
• 4.2.3 量子旋转门的设计42-43
• 4.2.4 量子染色体的变异操作43
• 4.3 仿真研究43-48
• 4.3.1 分离性能比较46
• 4.3.2 算法收敛性和运行速度比较46-48
• 4.4 实验研究48-50
• 4.5 本章小结50-51
• 第5章 改进双链量子遗传的机械故障盲源分离方法研究51-59
• 5.1 概述51
• 5.2 BQGA-BSS算法介绍51-54
• 5.3 仿真研究54-56
• 5.4 实验研究56-58
• 5.5 本章小结58-59
• 第6章 总结与展望59-61
• 6.1 总结59-60
• 6.2 展望60-61
• 参考文献61-68
• 攻读硕士学位期间发表的论文和参加科研情况68-69
• 致谢69-70

【共引文献】

中国期刊全文数据库 前1条

1 王权锋;胥德平;詹泽东;吴海洋;;金属矿地震数据降噪研究——基于小波域盲分离JADE算法[J];国土资源科技管理;2012年06期

中国博士学位论文全文数据库 前1条

1 孟强;基于单通道盲分离算法的大型风电机组早期机械故障诊断[D];沈阳工业大学;2013年

  本文关键词：基于量子遗传的机械故障源盲源分离方法研究，由笔耕文化传播整理发布。

本文编号：301796