关键词：量子遗传算法;机械故障;特征;相似性度量
摘 要：针对当前机械故障诊断研究忽略了对其参数的选取与优化,导致准确性较差等问题,提出基于量子遗传算法优化的机械故障稀疏特征相似性度量方法。基于先进行信号非线性混合,再进行去混合。将峭度作为目标函数,利用量子遗传算法,对盲源分离过程的分离矩阵参数与非线性去混合参数进行优化,实现机械故障盲源分离。基于故障信号处理,利用量子遗传算法与最小二乘支持向量机(LSSVM:Least Squares Support Vector Machine)相结合实现机械故障稀疏特征相似性度量。当LSSVM在机械故障诊断时对模型参数选取,利用量子遗传算法针对LSSVM模型参数进行优化。将LSSVM参数选取问题转换为优化问题,利用优化后的LSSVM分类模型实现机械故障稀疏特征相似模式分类。实验结果表明,该方法可以实现高效盲源分离,机械故障诊断准确率高,运行性能良好。
内 容：原文可通过湖北省科技信息共享服务平台（http://www.hbstl.org.cn)获取