本文關(guān)鍵詞：基于量子遺傳的機(jī)械故障源盲源分離方法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：針對(duì)機(jī)械設(shè)備多故障源盲分離方法的不足,本文將量子遺傳算法引入到機(jī)械設(shè)備的多故障源盲源分離中,深入研究了基于量子遺傳算法的機(jī)械故障盲源分離方法,并取得了較好的成果。文章研究的內(nèi)容主要有以下幾點(diǎn):1、論述了課題的提出及其研究意義,綜述了機(jī)械設(shè)備多故障源盲分離研究的國(guó)內(nèi)外研究現(xiàn)狀和量子遺傳算法的國(guó)內(nèi)外研究現(xiàn)狀。在此基礎(chǔ)上,給出了本論文的研究?jī)?nèi)容和主要?jiǎng)?chuàng)新點(diǎn)。2、論述了量子遺傳算法的相關(guān)的理論知識(shí),針對(duì)基于遺傳算法的機(jī)械故障源分離方法(簡(jiǎn)記GA-BSS方法)存在的不足和量子遺傳的獨(dú)特優(yōu)勢(shì),提出了基于量子遺傳的機(jī)械故障盲源分離方法(簡(jiǎn)記QGA-BSS方法),并與傳統(tǒng)的GA-BSS方法進(jìn)行了比較,仿真結(jié)果表明,提出的方法優(yōu)于GA-BSS方法,尤其是在快速收斂性方面,避免了GA-BSS方法早熟收斂,同時(shí)也大幅度地減少了計(jì)算量。最后,將提出的方法應(yīng)用到軸承故障分離中,能很好地提純出軸承故障特征。實(shí)驗(yàn)結(jié)果證明提出的QGA-BSS方法是有效的。3、將量子遺傳引入到機(jī)械故障非線性盲分離中,提出一種基于量子遺傳的機(jī)械故障非線性盲源分離方法(簡(jiǎn)稱QGA-NBSS方法),該方法能同時(shí)對(duì)分離矩陣和非線性去混合函數(shù)的參數(shù)進(jìn)行優(yōu)化,獲得全局最優(yōu)解并加快了算法的全局收斂性,克服了傳統(tǒng)的機(jī)械故障非線性盲分離方法的不足,即將非線性盲源分離中分離矩陣和非線性去混合函數(shù)的參數(shù)分開(kāi)來(lái)優(yōu)化,這樣容易顧此失彼,學(xué)習(xí)效率低。仿真和實(shí)驗(yàn)結(jié)果驗(yàn)證了提出的方法的有效性。4、基于雙鏈量子遺傳和盲源分離算法的獨(dú)特特性,提出一種基于雙鏈量子遺傳的機(jī)械故障盲源分離方法(DQGA-BSS方法)。相對(duì)于傳統(tǒng)的優(yōu)化算法,提出的算法收斂速度更快、搜索能力更強(qiáng)、種群多樣性更豐富。最后,通過(guò)軸承故障實(shí)驗(yàn)成功的分離出了內(nèi)圈和外圈的故障信號(hào)。實(shí)驗(yàn)結(jié)果證明了該算法的有效性。5、受到雙鏈量子遺傳算法的啟發(fā),若能將量子比特的編碼從平面圓周上轉(zhuǎn)換到球面坐標(biāo)上,那么算法的搜索能力將大大增加,為此更有利于尋找最優(yōu)解,在此基礎(chǔ)上,提出一種基于Bloch球面坐標(biāo)的量子遺傳的機(jī)械故障盲源分離算法(簡(jiǎn)記BQGA-BSS方法),并與DQGA-BSS方法進(jìn)行了對(duì)比分析,最后,將提出的方法應(yīng)用到軸承多故障盲分離中,實(shí)驗(yàn)結(jié)果進(jìn)一步驗(yàn)證了該方法的有效性。
【關(guān)鍵詞】：盲源分離 量子遺傳算法 故障診斷 非線性
【學(xué)位授予單位】：南昌航空大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TH17
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-18
• 1.1 課題的提出及其意義9-10
• 1.2 機(jī)械故障源盲分離的國(guó)內(nèi)外研究現(xiàn)狀10-13
• 1.3 量子遺傳算法的國(guó)內(nèi)外研究極其應(yīng)用現(xiàn)狀13-15
• 1.4 論文的主要內(nèi)容與創(chuàng)新之處15-17
• 1.4.1 論文的主要內(nèi)容15-16
• 1.4.2 關(guān)鍵問(wèn)題及創(chuàng)新之處16-17
• 1.5 本章小結(jié)17-18
• 第2章 基于量子遺傳算法的機(jī)械故障盲源分離方法研究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 分離性能比較24-25
• 2.3.2 算法的收斂性和運(yùn)行速度比較25-26
• 2.4 實(shí)驗(yàn)研究26-28
• 2.5 本章小結(jié)28-30
• 第3章 量子遺傳算法的機(jī)械故障源的非線性盲分離算法研究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 實(shí)驗(yàn)研究35-37
• 3.5 本章小結(jié)37-38
• 第4章 雙鏈量子遺傳算法的機(jī)械故障盲源分離方法研究38-51
• 4.1 概述38-39
• 4.2 DQGA-BSS方法39-43
• 4.2.1 雙鏈量子比特編碼40-41
• 4.2.2 解空間變換41-42
• 4.2.3 量子旋轉(zhuǎn)門的設(shè)計(jì)42-43
• 4.2.4 量子染色體的變異操作43
• 4.3 仿真研究43-48
• 4.3.1 分離性能比較46
• 4.3.2 算法收斂性和運(yùn)行速度比較46-48
• 4.4 實(shí)驗(yàn)研究48-50
• 4.5 本章小結(jié)50-51
• 第5章 改進(jìn)雙鏈量子遺傳的機(jī)械故障盲源分離方法研究51-59
• 5.1 概述51
• 5.2 BQGA-BSS算法介紹51-54
• 5.3 仿真研究54-56
• 5.4 實(shí)驗(yàn)研究56-58
• 5.5 本章小結(jié)58-59
• 第6章 總結(jié)與展望59-61
• 6.1 總結(jié)59-60
• 6.2 展望60-61
• 參考文獻(xiàn)61-68
• 攻讀碩士學(xué)位期間發(fā)表的論文和參加科研情況68-69
• 致謝69-70

【共引文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條

1 王權(quán)鋒;胥德平;詹澤東;吳海洋;;金屬礦地震數(shù)據(jù)降噪研究——基于小波域盲分離JADE算法[J];國(guó)土資源科技管理;2012年06期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 孟強(qiáng);基于單通道盲分離算法的大型風(fēng)電機(jī)組早期機(jī)械故障診斷[D];沈陽(yáng)工業(yè)大學(xué);2013年

  本文關(guān)鍵詞：基于量子遺傳的機(jī)械故障源盲源分離方法研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：301796