[发明专利]一种基于改进量子进化算法的滚动轴承故障特征提取方法

摘要

本发明公开了一种基于改进量子进化算法的滚动轴承故障特征提取方法，步骤如下：S1，采集滚动轴承的振动信号f；S2，建立Gabor原子库；S3，建立量子种群Ψ；S4，利用量子概率幅对Gabor原子进行量子编码；S5，将滚动轴承振动信号f在量子概率幅编码后的Gabor原子库上进行一次稀疏分解，以筛选出最佳编码原子最佳种群个体Ψ*和最佳量子相位θ*；S6，进化量子种群；S7，变异量子种群；S8，计算稀疏重构信号的峭度值；S9，重复步骤S4至步骤S8，直到稀疏重构信号的峭度值达到最大时结束，峭度值最大处的稀疏重构信号即为提取的滚动轴承故障特征成分。本发明提取的故障特征成分周期性明显，所含噪声明显减少，且在快速性和自适应性方面具有一定的优势。

主权项

1.一种基于改进量子进化算法的滚动轴承故障特征提取方法，其特征在于，步骤如下：S1，采集滚动轴承的振动信号f；S2，建立Gabor原子库：其中，γ＝(q,p,α,β)为gγ(t)的时频参数，且0≤q≤log2N、0≤p≤N‑1、0≤α≤N‑1、0≤β≤12；自变量t为0,1,2,…,N‑1；N为采集振动信号的数据点长度；S3，建立量子种群Ψ：Ψ＝[Ψ1,Ψ2,…,Ψi,…Ψm]   (2)；其中：i＝1,2,…m；j＝1,2,…n；m为种群个体总数，n为种群个体Ψi的量子比特数；θij为种群个体Ψi中第j量子比特的相位且θij∈[0，π)；S4，利用量子概率幅对Gabor原子进行量子编码；S5，采用正交匹配追踪算法将滚动轴承振动信号f在量子概率幅编码后的Gabor原子库上进行一次稀疏分解，以筛选出最佳编码原子最佳种群个体Ψ^*和最佳量子相位θ^*；S6，进化量子种群；对量子种群中除最佳种群个体Ψ*外所有种群个体的量子相位θij进行进化，进化公式为：θ′ij＝θij+Δθij   (9)；S7，变异量子种群；对最佳种群个体Ψ*中除最佳量子相位θ*外的其余量子相位θij进行变异，变异公式为：θ′ij＝θij+Δθij  (11)；其中，G和gen分别为最大迭代次数和当前次数；S8，计算稀疏重构信号的峭度值：其中：f'为稀疏重构信号，μ为稀疏重构信号f'的平均值，σ为稀疏重构信号f'的标准差；S9，重复步骤S4至步骤S8，直到稀疏重构信号的峭度值达到最大时结束，峭度值最大处的稀疏重构信号即为提取的滚动轴承故障特征成分。