陆汝华，颜文燕(湘南学院软件与通信工程学院，湖南郴州423000)



使用GA初始化CGHMM参数的轴承故障诊方法

陆汝华，颜文燕
(湘南学院软件与通信工程学院，湖南郴州423000)

摘要：连续高斯混合密度隐马尔可夫模型（ContinuousGaussian MixtureHidden Markov Model, CGHMM）在故障诊断领域得到了广泛应用，取得了较好效果。CGHMM训练模型较大、局部最优，但模型参数初始化值会直接影响迭代收敛速度和模型效用。全局最优的遗传算法（GeneticAlgorithm, GA）初始化CGHMM模型参数，为CGHMM训练提供了一个好的初始值，不仅可以加快收敛速度，还可以得到一个更好的模型。通过GA初始化CGHMM、CGHMM训练和CGHMM诊断过程等三个方面的仿真实验和比较分析可以得出，该方法具有训练速度快和CGHMM模型好的优点。在最后的CGHMM诊断仿真实验中，该方法诊断精度为100%，高于经典方法的96%，表明GA确实可以成功应用于CGHMM参数初始化，是一种可行的故障诊断方法。

关键词：振动与波；遗传算法；初始化；连续高斯混合密度隐马尔可夫模型；故障诊断

在旋转机械设备中，滚动轴承是应用最为广泛、同时也是最重要的部件之一，其运行状态好坏直接影响整个设备的性能、寿命、功能和效率，如果滚动轴承发生故障，往往会导致异常噪声和振动，严重时还会损坏设备，造成工业生产效率下降，甚至带来严重事故和安全问题[1]，因此，对滚动轴承进行在线监测与故障诊断，及时准确检测出轴承工作状态具有十分重要的应用价值和意义[2]。在这种背景环境中，如何针对滚动轴承的微弱故障特征进行故障诊断是成为机械领域的热点和难点问题之一[3]。……