采用自适应基因粒子群算法优化隐马尔科夫模型的方法及应用

张西宁; 雷威; 杨雨薇; 张雯雯

doi:10.7652/xjtuxb201808001

您当前的位置：

首页 >

文章列表页 >

采用自适应基因粒子群算法优化隐马尔科夫模型的方法及应用

更新时间：2025-07-09

- 采用自适应基因粒子群算法优化隐马尔科夫模型的方法及应用
- Adaptive Genetic Particle Swarm Algorithm for Optimization Hidden Markov Models with Applications
- 西安交通大学学报 2018年52卷第8期页码：1-8
- 作者机构：
  
  西安交通大学机械制造系统工程国家重点实验室,西安,710049
- 作者简介：
- 基金信息：
  
  : 2017-12-23。作者简介: 张西宁(1965—),男,教授,博士生导师。基金项目: 国家自然科学基金资助项目(51275379);国家自然科学基金创新研究群体资助项目(51421004)
- DOI：10.7652/xjtuxb201808001
  中图分类号： TH17
- 网络首发：2018-08-10，
  
  纸质出版：2018
- 稿件说明：
移动端阅览
张西宁, 雷威, 杨雨薇, 等. 采用自适应基因粒子群算法优化隐马尔科夫模型的方法及应用[J]. 西安交通大学学报, 2018,52(8):1-8.

Adaptive Genetic Particle Swarm Algorithm for Optimization Hidden Markov Models with Applications[J]. 2018, 52(8): 1-8.
张西宁, 雷威, 杨雨薇, 等. 采用自适应基因粒子群算法优化隐马尔科夫模型的方法及应用[J]. 西安交通大学学报, 2018,52(8):1-8. DOI： 10.7652/xjtuxb201808001.

Adaptive Genetic Particle Swarm Algorithm for Optimization Hidden Markov Models with Applications[J]. 2018, 52(8): 1-8. DOI： 10.7652/xjtuxb201808001.

摘要

针对隐马尔科夫模型参数学习算法易收敛于局部极值的问题

提出了一种自适应基因粒子群算法

并将该方法应用于隐马尔科夫模型的训练

实现对隐马尔科夫模型初始参数的优化。在基因粒子群算法的原理以及操作流程的基础上

采用了自适应的参数调整方法

提高了基因粒子群算法的优化性能。分析了所提方法的全局、局部搜索能力以及收敛速度

开展了不同状态滚动轴承的故障诊断实验和测试

并与基于粒子群算法优化隐马尔科夫模型初始参数的方法进行对比。实验结果表明

所提方法对正常、内圈故障、外圈故障以及滚动体故障轴承的诊断准确率均能达到100%

相比于基于粒子群算法优化隐马尔科夫模型初始参数的方法

最高将分类正确率提高了28.57%、分类离散度提高了268.58%

证明了方法的有效性和准确性。

Abstract

Aiming at the problem that the parameters learning algorithm of hidden Markov model easily converges to local optimal solutions

an adaptive genetic particle swarm algorithm is proposed

which is applied to the parameters learning algorithm of hidden Markov model. The initial parameters of hidden Markov models are optimized

and the principle and process of genetic particle swarm optimization algorithm are introduced. The adaptive method is adopted to improve the performance of genetic particle swarm optimization algorithm. Global

local search capability and convergence rate of the proposed method are analyzed. Experiments and tests of different bearing conditions are carried out

and vibration signals are collected. The results show that the correct classification rate of the proposed method for the bearing with normal state

inner ring fault

outer ring fault or rolling element fault reaches 100%. Compared with the method of optimizing the initial parameters of hidden Markov model based on particle swarm algorithm

the correct classification rate of the proposed method heightens by 28.57% at the highest

and the classification dispersion heightens by 268.58%.

关键词

Keywords

references

BAUM L E, EAGON J A. An inequality with applications to statistical estimation for probabilistic functions of Markov processes and to a model for ecology [J]. Bull Amer Math Soc, 1967, 73(3): 360-363.

崔天宇. 基于HMM的语音识别系统的研究与实现 [D]. 长春: 吉林大学, 2016: 4-6.

杨立东, 谷宇, 张明. 语音信号特征选择优化提取仿真研究 [J]. 计算机仿真, 2016, 33(2): 409-412, 417.

YANG Lidong, GU Yu, ZHANG Ming. Application of ant colony optimization in speech signal feature selection [J]. Computer Simulation, 2016, 33(2): 409-412, 417.

吴延占. 基于HMM与遗传神经网络的改进语音识别系统 [J]. 计算机系统应用, 2016, 25(1): 204-208.

WU Yanzhan. Improved speech recognition system based on HMM and genetic neural networks [J]. Computer Systems Applications, 2016, 25(1): 204 -208.

胡一帆, 胡友彬, 李骞, 等. 基于视频监控的人脸检测跟踪识别系统研究 [J]. 计算机工程与应用, 2016, 52(21): 1-7, 35.

HU Yifan, HU Youbin, LI Qian, et al. Research on face detection, tracking and recognition system based on video surveillance [J]. Computer Engineering and Applications, 2016, 52(21): 1-7, 35.

GUO X L, YANG T T. Gesture recognition based on HMM-FNN model using a Kinect [J]. Journal on Multimodal User Interfaces, 2016, 11(1): 1-7.

耿庆田, 赵宏伟. 基于分形维数和隐马尔科夫特征的车牌识别 [J]. 光学精密工程, 2013, 21(12): 3219-3204.

GENG Qingtian, ZHAO Hongwei. License plate recognition based on fractal and hidden Markov feature [J]. Optics and Precision Engineering, 2013, 21(12): 3219-3204.

陈祥臻, 徐小力, 朱春梅, 等. 隐马尔科夫模型的基本理论及其在故障诊断中的应用 [J]. 振动与冲击, 2014, S(12): 355-358.

CHEN Xiangzhen, XU Xiaoli, ZHU Chunmei, et al. Hidden Markov model basic theories and its application in fault diagnosis [J]. Journal of Vibration and Shock, 2014, S(12): 355-358.

李航. 统计学习方法 [M]. 北京: 清华大学出版社, 2012: 159-160.

吴沛锋. 智能优化算法及其应用 [D]. 沈阳: 东北大学, 2012: 14-15.

ZHENG H, WANG R, XU W, et al. Combining a HMM with a genetic algorithm for the fault diagnosis of photovoltaic inverters [J]. Journal of Power Electronics, 2017, 17(4): 1014-1026.

LIAO G, ZHU H, LIU K, et al. Fault diagnosis of rolling bearing based on PSO and continuous Gaussian mixture HMM [C]∥International Conference on Machinery, Materials Engineering, Chemical Engineering and Biotechnology. Paris, France: Atlantis Press, 2016: 911-917.

李荣, 冯丽萍, 王鸿斌. 基于改进遗传退火HMM的Web信息抽取研究 [J]. 计算机应用与软件, 2014(4): 40-44.

LI Rong, FENG Liping, WANG Hongbin. Research on web information extraction based on improved genetic annealing and HMM [J]. Computer Applications and Software, 2014(4): 40-44.

杨劲秋. 智能优化算法评价模型研究 [D]. 杭州: 浙江大学, 2011: 25-29.

李俊. 群体智能融合算法研究及其应用 [D]. 南昌: 南昌航空大学, 2013: 18.

NEJAD H C, JAHANI R, ABADI M M. GAPSO-based economic load dispatch of power system [J]. Journal of Applied Sciences Research, 2011(5): 606-611.

张西宁, 雷威, 李兵. 主分量分析和隐马尔科夫模型结合的轴承监测诊断方法 [J]. 西安交通大学学报, 2017, 51(6): 1-7, 109.

ZHANG Xining, LEI Wei, LI Bing. Bearing fault detection and diagnosis method based on principal component analysis and hidden Markov model [J]. Journal of Xi'an Jiaotong University, 2017, 51(6): 1-7, 109.

雷亚国, 何正嘉, 訾艳阳. 基于混合智能新模型的故障诊断 [J]. 机械工程学报, 2008, 44(7): 112-117.

LEI Yaguo, HE Zhengjia, ZI Yanyang. Fault diagnosis based on novel hybrid intelligent model [J]. Chinese Journal of Mechanical Engineering, 2008, 44(7): 112-117.

CHEN P, TANIGUCHI M, TOYOTA T, et al. Fault diagnosis method for machinery in unsteady operating condition by instantaneous power spectrum and genetic programming [J]. Mechanical Systems Signal Processing, 2005, 19(1): 175-194.

李爱国, 覃征, 鲍复民, 等. 粒子群优化算法 [J]. 计算机工程与应用, 2002(21): 1-3, 17.

LI Aiguo, QIN Zheng, BAO Fumin, et al. Particle swarm optimization algorithm [J]. Computer Engineering and Applications, 2002(21): 1-3, 17.

屈梁生, 张西宁, 沈玉娣. 机械故障诊断理论与方法 [M]. 西安, 西安交通大学出版社, 2009: 290-291.

RABINER L R. A tutorial on hidden Markov models and selected applications in speech recognition [J]. Proceedings of the IEEE, 1989, 77(2): 257-286.

朱嘉瑜, 高鹰. 基于改进粒子群算法的隐马尔可夫模型训练 [J]. 计算机工程与设计, 2010, 31(1): 157-160.

ZHU Jiayu, GAO Ying. Adaptive particle swarm optimization for hidden Markov model training [J]. Computer Engineering and Design, 2010, 31(01): 157-160.

周徐宁. 基于特征加权连续隐马尔可夫模型的故障诊断方法研究 [D]. 上海: 上海交通大学, 2012: 70-71.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

参与一次调频的新能源发电并网系统振荡机理分析与参数优化配置

空空导弹分数阶三回路自动驾驶仪的分析与参数优化

43"汽轮机叶片材料热变形行为及制坯工艺参数优化

非接触电能传输系统参数优化的改进遗传解法

主分量分析和隐马尔科夫模型结合的轴承监测诊断方法