欢迎来到天天文库
浏览记录
ID:34877791
大小:2.27 MB
页数:70页
时间:2019-03-13
《基于量子遗传的机械故障源盲源分离方法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、学校代码10406分类号TH17,TN911.7密级学号110080402031题目基于量子遗传的机械故障源盲源分离方法研究作者皮海玉学科、专业测试计量技术及仪器指导教师李志农教授申请学位日期2015年5月学校代码:10406分类号:TH17,TN911.7学号:110080402031南昌航空大学硕士学位论文(学位研究生)基于量子遗传的机械故障源盲源分离方法研究硕士研究生:皮海玉导师:李志农教授申请学位级别:硕士学科、专业:测试计量技术及仪器所在单位:测试与光电工程学院答辩日期:2015年6月授予学位单位:南昌航空大学Blindsourcesseparationmethodofmech
2、anicalfaultbasedonthequantumgeneticalgorithmADissertationSubmittedfortheDegreeofMasterOnmeasuringandTestingTechonlogiesandInstrumentsByPiHaiyuUndertheSupervisionofProf.LiZhinongCollegeofMeasuringandOpticalEngineeringNanchangHangkongUniversity,Nanchang,ChinaJune,2015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
3、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
4、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
5、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,
6、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。IAbstractBasedonthedeficiencyintheblindseparationmethodofmechanicalfaultsourcesbasedonthegeneticalgorithm,ablindseparationmethodofmechanicalfaultsourcesbasedonthequantumgeneticalgorithmisproposed.someinnovativeresultsareobtained.Theresearchcontentsinthis
7、paperismainlyasfollows1.Theresearchilluminatesthesignificanceofthispaper,thedevelopmentandapplicationofblindseparationofmechanicalfaultsourcesandquantumgeneticalgorithmarealsodiscussed.Basedontheabovecomments,themainin
此文档下载收益归作者所有