基于量子遺傳的機(jī)械故障源盲源分離方法研究.pdf

1、針對機(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：
　　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內(nèi)外研究現(xiàn)狀和量子遺傳算法的國內(nèi)外研究現(xiàn)狀。在此基礎(chǔ)上,給出了本論文的研究內(nèi)容和主要創(chuàng)新點。
　　2、論述了量子遺傳算法的相關(guān)的理論知識，針對基于遺傳算法的機(jī)械

2、故障源分離方法(簡記GA-BSS方法)存在的不足和量子遺傳的獨特優(yōu)勢，提出了基于量子遺傳的機(jī)械故障盲源分離方法(簡記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，同時也大幅度地減少了計算量。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。實驗結(jié)果證明提出的QGA-BSS方法是有效的。
　　3、將量

3、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(簡稱QGA-NBSS方法)，該方法能同時對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)分開來優(yōu)化，這樣容易顧此失彼，學(xué)習(xí)效率低。仿真和實驗結(jié)果驗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特

4、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，通過軸承故障實驗成功的分離出了內(nèi)圈和外圈的故障信號。實驗結(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