基于MCEA-KPCA和组合SVR的滚动轴承剩余使用寿命预测

发布时间：2017-12-24 17:04

  本文关键词：基于MCEA-KPCA和组合SVR的滚动轴承剩余使用寿命预测　出处：《电子测量与仪器学报》2017年09期 　论文类型：期刊论文

  更多相关文章： 滚动轴承 有效性分析 特征约简 剩余使用寿命预测

【摘要】：为了准确预测滚动轴承的剩余使用寿命(RUL),提出一种多评价标准有效性分析(MCEA)、核主成分分析(KPCA)和组合支持向量回归(SVR)相结合的滚动轴承RUL预测方法。该方法对提取的特征计算每个评价标准的有效性得分,自适应地确定每个评价标准的权重,筛选出有效性总得分高于其整体平均值的特征,进一步利用KPCA去除已筛选特征之间的信息冗余,建立约简后的特征矩阵。将多个轴承约简后的特征分别作为SVR的输入,当前使用寿命与全寿命的比值p即RUL作为输出,建立多个SVR模型,并采用自适应的方法确定各模型的权重,最终构建组合SVR预测模型。最后,对与训练不同的轴承进行测试,将约简后特征输入到组合SVR预测模型中,预测轴承的p值,实验结果表明,所提方法可准确地对滚动轴承进行RUL预测。
【作者单位】： 哈尔滨理工大学电气与电子工程学院;白俄罗斯国立大学;
【基金】：国家自然科学基金(51305109) 黑龙江省青年科学基金(QC2014C075) 哈尔滨理工大学青年拔尖创新人才培养计划(201511)资助项目
【分类号】：TH133.33
【正文快照】： 0引言当前,旋转机械在工业生产中被广泛应用,滚动轴承作为旋转机械中的基础部件之一,其运行状态的好坏会对整台设备产生重要影响[1-3]。滚动轴承的剩余使用寿命(remaining useful life,RUL)是其受损程度的综合反映。因此,准确预测轴承的RUL对旋转机械的视情维修意义重大[4]。

【相似文献】

相关期刊论文 前1条

1 王玲;付冬梅;穆志纯;;遗传优化的SVR在钢材力学性能预报中的应用[J];系统仿真学报;2009年04期

相关硕士学位论文 前5条

1 马艳丽;基于全矢MEMD的滚动轴承状态退化研究[D];郑州大学;2017年

2 金兵;基于信息融合与VPMCD的滚动轴承智能诊断研究[D];郑州大学;2017年

3 焦宏超;基于SVR的旋转机械耦合故障诊断方法研究[D];华北电力大学;2016年

4 许迪;基于磷虾群算法的SVR滚动轴承性能衰退预测研究[D];哈尔滨理工大学;2017年

5 叶立强;基于SVR的滚动轴承剩余使用寿命预测方法研究[D];哈尔滨理工大学;2017年

，

本文编号：1329200