论文部分内容阅读
滚动轴承是旋转机械设备的重要组成部分,在工业生产中滚动轴承的运行状态关系着设备的安全运行以及整个生产过程的高效运转,因此滚动轴承故障诊断的研究具有重要的理论意义和应用价值。基于信号处理技术的传统滚动轴承故障诊断方法在面对日益复杂的振动信号时,难以有效提取滚动轴承不同类型的故障特征。与此同时,随着滚动轴承监测数据迅速增长,如何进行高效的故障诊断也是当前面临的重要挑战。为此,本文提出了Spark-GPU平台下基于量子粒子群优化的BP神经网络(Quantum Particle Swarm Optimiza