基于量子遗传算法优化支持向量机的轴承故障诊断方法

摘要

本发明的基于量子遗传算法优化支持向量机的轴承故障诊断方法，包含以下步骤：（1）采集轴承的振动信号；（2）计算无量纲指标；（3）基于云模型量子遗传算法优化支持向量机的模型参数C和σ；（4）对支持向量机模型进行训练；（5）利用支持向量机模型进行故障诊断；（6）输出轴承故障诊断结果。本发明的轴承故障诊断方法具有诊断准确率高的优点，为解决轴承故障诊断问题提供一种新的方法。

主权项

基于量子遗传算法优化支持向量机的轴承故障诊断方法，其特征在于：包括有以下步骤：步骤一、采集轴承的振动信号利用测振系统采集轴承的振动信号；步骤二、计算无量纲指标对所采集的振动信号计算出5个无量纲指标：波形指标、脉冲指标、裕度指标、峰值指标及峭度指标，得到训练样本数据集和测试样本数据集；步骤三、优化支持向量机的模型参数C和σ利用云模型量子遗传算法对支持向量机的模型参数C和σ进行寻优，得到最优的参数C和σ的取值；步骤四、对支持向量机进行训练；将最优的参数C和σ的取值代入支持向量机模型中，利用训练样本数据对支持向量机模型进行训练；步骤五、利用支持向量机模型进行故障诊断；将测试样本数据输入到训练好的支持向量机模型中进行故障诊断；步骤六、输出轴承故障诊断结果。