文献类型：期刊文章

作　　者：冯玉芳[1,2] 卢厚清[1] 殷宏[1] 曹林[1]

FENG Yufang;LU Houqing;YIN Hong;CAO Lin(Army Engineering University of PLA,Nanjing 210007,China;Unit 71375 of PLA,China)

机构地区：[1]解放军陆军工程大学 [2]中国人民解放军71375部队

出　　处：《计算机工程与应用》

基　　金：国家自然科学基金(No.71501186)

年　　份：2019

卷　　号：55

期　　号：6

起止页码：24-30

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2019_2020、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：滚动轴承是旋转机械中最常用的部件之一。滚动轴承很容易损坏,而它的工作条件通常比较复杂,很难对其故障进行准确判断。为了提高滚动轴承故障诊断的有效性,构建了一种新的基于改进量子蜂群算法和BP神经网络的滚动轴承故障诊断模型(IQABC-BP)。首先针对量子蜂群算法在种群初始化和进化过程中存在的问题,提出了一种改进量子蜂群算法,然后利用改进量子蜂群算法对BP神经网络的初始权值、阈值和隐含层单元数进行优化,建立了一种具有超并行超高速的基于改进量子蜂群算法的BP神经网络模型,并应用于滚动轴承的故障诊断中。实验结果表明,IQABC-BP模型收敛速度更快,故障诊断效果更好,具有很好的应用价值。

关 键 词：BP神经网络 量子蜂群算法  故障诊断

分 类 号：TP391]