摘要：将量子粒子群优化算法引入Volterra级数模型的非线性辨识中，并结合隐Markov模型（hidden Markov model，HMM），提出了一种基于量子粒子群优化的Volterra时域核特征提取的HMM识别方法，在提出的方法中，利用量子粒子群优化算法辨识得到的前三阶Volterra时域核作为故障特征，输入到各种状态的HMM中，其中，输出概率最大的HMM对应的状态即为设备的当前运行状态。提出的方法克服了传统的基于Voherra模型系统的机械故障诊断要求目标函数连续可导、容易陷入局部最小以及抗干扰能力差等缺陷。最后，将提出的方法应用到旋转机械故障诊断中。实验结果验证了该方法的有效性。

关键词：volterra级数 故障诊断 模式识别 

单位：南昌航空大学无损检测技术教育部重点实验室 南昌330063 郑州大学机械工程学院 郑州450001 装甲兵工程学院机械工程系 北京100072