Title of Paper:
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
Summary:
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。在介绍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。本文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。实验结果表明本文方法对正常、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28.57%、分类离散度提高268.58%，证明了本文方法的有效性和准确性。
Papers
