基于改进PSO-SVR的多轴承健康寿命协同预测
发布时间：2021-01-27 17:46
为提高轴承剩余使用寿命预测精度,提出一种基于改进PSO-SVR的轴承剩余使用寿命预测方法。选取轴承水平和垂直方向振动信号均方根、峰值因子、峭度因子等参数构造多维退化特征,建立基于SVR的轴承剩余使用寿命预测模型;针对SVR参数优化问题,设计一种动态自适应异步粒子群优化算法,引入Gworst修正了速度位置更新公式,改进了一种基于倒S形函数的自适应惯性权重系数和一种基于惯性权重系数的异步自适应学习因子,能够有效克服局部最优,加快收敛效率,提高回归精度。仿真实验结果表明:提出的方法与GS-SVR、GA-SVR、PSO-SVR、MPSO-SVR相比,具有较高的预测效率和预测精度,预测精度均优于GBDT、RF、DT、GP等经典回归预测方法。
【文章来源】：机床与液压. 2020,48(16)北大核心
【文章页数】：6 页
【部分图文】：
多轴承健康寿命协同预测技术流程
由表2可得:文中改进PSO-SVR模型在RMSE、MAE、MSE、R-square方面均优于其他4种模型。由于将轴承剩余使用寿命进行了归一化处理,评价指标数值较小,因此引入预测误差分析,由表3可得:文中模型平均误差为1.582%,为5个模型中最优;预测误差在1%以内样本个数为13个,与PSO-SVR模型相当;预测误差在5%以内的个数为19个,仅次于MPSO-SVR;1个样本因剩余使用寿命过小,导致预测结果偏差较大。通过表2、表3评价结果可得文中设计模型对轴承剩余使用寿命具有较高的预测精度,测试样本实际寿命与预测寿命对比见图4,可得:文中模型对于轴承剩余使用寿命预测具有较好的拟合效果。为进一步说明本文作者提出的动态自适应异步粒子群优化算法收敛效率与寻优速度,对5种模型运行时间与收敛代数进行统计分析,如表4所示,文中的设计模型相比PSO-SVR、MPSO-SVR、GA-SVR模型能够快速收敛,且运行时间与PSO-SVR相当,优于其他3种模型。
为进行轴承剩余使用寿命精准预测,需要选择特征明显的轴承退化特征指标,与其历史运行状态数据进行拟合分析。为克服不同特征参数间数值范围影响,降低数据维度,提高算法效率,本文作者选择图2、图3所示轴承水平方向和垂直方向振动信号的均方根、峰值因子和峭度因子等时域特征,见式(1)—式(3),采用最大最小归一化方法进行特征值处理,见式(4),构建了多维退化特征指标,见式(5)。图3 轴承垂直方向振动信号
【参考文献】：
期刊论文
[1]KPCA和改进SVM在滚动轴承剩余寿命预测中的应用研究[J]. 者娜,杨剑锋,刘文彬,陈良超. 机械设计与制造. 2019(11)
[2]电子设备故障预测与健康管理技术发展新动态[J]. 吕克洪,程先哲,李华康,张勇,邱静,刘冠军. 航空学报. 2019(11)
[3]基于连续型HMM和PSO-SVM的滚动轴承剩余寿命预测[J]. 刘波,宁芊,刘才学,艾琼,何攀. 计算机应用. 2019(S1)
[4]基于WLR和PSO-AFS-SVR的滚动轴承可靠度预测方法[J]. 史一明,程健,陈自强. 测控技术. 2019(03)
[5]基于S型函数的自适应粒子群优化算法[J]. 黄洋,鲁海燕,许凯波,胡士娟. 计算机科学. 2019(01)
[6]智能装备故障预测与健康管理系统研究[J]. 黄忠山,田凌. 图学学报. 2018(05)
[7]基于遗传算法和支持向量回归的锂电池健康状态预测[J]. 刘皓,胡明昕,朱一亨,於东军. 南京理工大学学报. 2018(03)
[8]基于多频率尺度模糊熵和ELM的滚动轴承剩余寿命预测[J]. 王付广,李伟,郑近德,徐培民. 噪声与振动控制. 2018(01)
[9]惯性权重正弦调整的粒子群算法[J]. 姜长元,赵曙光,沈士根,郭力争. 计算机工程与应用. 2012(08)
硕士论文
[1]基于随机森林算法的短期负荷预测研究[D]. 石婷婷.郑州大学 2017
本文编号：3003472
【文章来源】：机床与液压. 2020,48(16)北大核心
【文章页数】：6 页
【部分图文】：
多轴承健康寿命协同预测技术流程
由表2可得:文中改进PSO-SVR模型在RMSE、MAE、MSE、R-square方面均优于其他4种模型。由于将轴承剩余使用寿命进行了归一化处理,评价指标数值较小,因此引入预测误差分析,由表3可得:文中模型平均误差为1.582%,为5个模型中最优;预测误差在1%以内样本个数为13个,与PSO-SVR模型相当;预测误差在5%以内的个数为19个,仅次于MPSO-SVR;1个样本因剩余使用寿命过小,导致预测结果偏差较大。通过表2、表3评价结果可得文中设计模型对轴承剩余使用寿命具有较高的预测精度,测试样本实际寿命与预测寿命对比见图4,可得:文中模型对于轴承剩余使用寿命预测具有较好的拟合效果。为进一步说明本文作者提出的动态自适应异步粒子群优化算法收敛效率与寻优速度,对5种模型运行时间与收敛代数进行统计分析,如表4所示,文中的设计模型相比PSO-SVR、MPSO-SVR、GA-SVR模型能够快速收敛,且运行时间与PSO-SVR相当,优于其他3种模型。
为进行轴承剩余使用寿命精准预测,需要选择特征明显的轴承退化特征指标,与其历史运行状态数据进行拟合分析。为克服不同特征参数间数值范围影响,降低数据维度,提高算法效率,本文作者选择图2、图3所示轴承水平方向和垂直方向振动信号的均方根、峰值因子和峭度因子等时域特征,见式(1)—式(3),采用最大最小归一化方法进行特征值处理,见式(4),构建了多维退化特征指标,见式(5)。图3 轴承垂直方向振动信号
【参考文献】：
期刊论文
[1]KPCA和改进SVM在滚动轴承剩余寿命预测中的应用研究[J]. 者娜,杨剑锋,刘文彬,陈良超. 机械设计与制造. 2019(11)
[2]电子设备故障预测与健康管理技术发展新动态[J]. 吕克洪,程先哲,李华康,张勇,邱静,刘冠军. 航空学报. 2019(11)
[3]基于连续型HMM和PSO-SVM的滚动轴承剩余寿命预测[J]. 刘波,宁芊,刘才学,艾琼,何攀. 计算机应用. 2019(S1)
[4]基于WLR和PSO-AFS-SVR的滚动轴承可靠度预测方法[J]. 史一明,程健,陈自强. 测控技术. 2019(03)
[5]基于S型函数的自适应粒子群优化算法[J]. 黄洋,鲁海燕,许凯波,胡士娟. 计算机科学. 2019(01)
[6]智能装备故障预测与健康管理系统研究[J]. 黄忠山,田凌. 图学学报. 2018(05)
[7]基于遗传算法和支持向量回归的锂电池健康状态预测[J]. 刘皓,胡明昕,朱一亨,於东军. 南京理工大学学报. 2018(03)
[8]基于多频率尺度模糊熵和ELM的滚动轴承剩余寿命预测[J]. 王付广,李伟,郑近德,徐培民. 噪声与振动控制. 2018(01)
[9]惯性权重正弦调整的粒子群算法[J]. 姜长元,赵曙光,沈士根,郭力争. 计算机工程与应用. 2012(08)
硕士论文
[1]基于随机森林算法的短期负荷预测研究[D]. 石婷婷.郑州大学 2017
本文编号：3003472
本文链接：https://www.wllwen.com/jixiegongchenglunwen/3003472.html
