本文针对核电设备冗余多、系统复杂、所积累的资料和故障样本少以及核电设备运行过程中的振动信号具有信息量大、非平稳、重复再现性不佳等特点,引入PSO优化HMM,建立基本模型和识别工具,实现核电机械装备状态在线监测,系统能够及时、准确地诊断出故障,并采取相应的对策,保证和提高核电设备的安全性和可靠性。本文研究了HMM、PSO和QPSO基本原理、常用模型以及相关算法;建立基于HMM和QPSO的核电设备系统故障诊断模型;设计基于QPSO算法优化HMM的核电设备故障诊断系统,通过一系列采集数据对故障诊断系统的测试,验证了该诊断方法的可行性和准确性。本文主要研究内容如下:第一章介绍核电设备机械故障技术的国内外研究现状和研究意义;分析基于QPSO优化HMM的核电装备故障诊断的可行性;最后提出本论文研究的主要内容及论文总体框架和创新之处。第二章论述几种常见的非平稳信号特征提取方法;根据核电装备振动信号的特点,应用一种时频域特征提取新方法——基于优化局域均值分解(LMD)技术的特征提取方法研究。第三章研究HMM和PSO的基本理论;介绍改进PSO的基本算法;简要介绍PSO算法的实际应用。提出QPSO算法优化HMM的核电设备机械故障诊断方法。第四章研究量子微粒群优化算法和特点,较深入地研究基于QPSO算法优化CGHMM模型,将建立相应的核电机械设备故障诊断模型。第五章通过实验对前面提出的各种理论、方法进行了验证,给出具体的实验方案和实验结果,并对实验结果进行了分析。第六章总结全文研究成果,并对今后的工作提出了展望。本项研究对于促进核电装备状态在线监测与故障诊断技术的进步,对于保证核电装备系统安全可靠地运行、提高国防战斗力都具有重要的理论意义和实际应用价值。