论文部分内容阅读
近年来世界各国都对故障诊断十分重视,因为一旦在生产过程中出现故障,都有可能使机械设备整体停工,给生产等带来极大的经济损失,甚至威胁工作人员的生命安全。所以,及时发现及排除故障具有很重要的现实意义。本文以齿轮箱为研究对象,将量子优化算法引入到盲源分离中,提出了量子独立分量分析算法(QICA算法),对齿轮箱产生的振动信号进行盲分离再提取其故障特征信息,最后用量子神经网络实现了对齿轮箱的故障诊断。本文主要工作内容如下: (1)分析并研究了独立分量分析算法和量子优化算法的理论、原理和重要公式的推导,详细研究了几种常用算法,为后续工作打基础。 (2)创新性的提出了量子独立分量分析算法(QICA算法)。根据独立分量分析算法的一般求解过程,以量子算法为优化算法,提出了量子独立分量分析算法,并推导出算法中的关键理论,编制了算法程序。并通过仿真实验验证了该算法的可能性及其分离性能,结果表明量子优化应用于独立分量分析确实有助于提高算法的效率。 (3)在对齿轮箱故障特征深入研究的基础上,利用齿轮箱在实验室设置的五种典型工况下测量和采集其振动信号,并使用量子独立分量分析算法(QICA算法)进行测试信号的盲源分离,提取其故障特征,再以量子神经网络进行齿轮箱的故障诊断。结果表明,经过量子盲源分离后,可提高齿轮箱的故障诊断的准确性和可靠性。