基于混沌理论的滚动轴承振动信号融合模型预测

发布时间：2021-11-26 11:18

　　提出融合算法模型,在混沌理论的基础上对滚动轴承振动信号进行预测。基于相图法、最大Lyapunov指数法和关联维数法对滚动轴承振动信号进行混沌判别,证明其混沌性。以预测值和真值间差值范数最小为目标导向优化出Kriging模型、最小二乘支持向量机（LSSVM）模型和极端学习机（ELM）模型的权重,加权法构建融合算法模型。相空间重构法构建滚动轴承振动信号预测的训练样本,并对融合模型、Kriging模型、LSSVM模型和ELM模型进行训练,训练好的模型用于振动轴承振动信号混沌预测。以案例1和案例2共两个实验的滚动轴承振动信号为对象进行验证,两案例的最大Lyapunov指数大于0,从而判断这两个案例的轴承振动信号呈现混沌特性。另外,从方均误差、方均根误差和平均绝对误差指标来评价,融合算法模型的指标值均小于单一模型算法,融合算法模型的预测精度优于单一模型算法。 

【文章来源】：航空动力学报. 2020,35(08)北大核心EICSCD

【文章页数】：12 页

【部分图文】：

研究思路

式中q为非零dj(i)的数目,并做出回归直线,采用最小二乘法,该线的斜率为最大Lyapunov指数,计算过程如图2所示。1.3 G-P算法的关联维数混沌评判

该预测模型具有混沌特性,映射函数f′是一个非线性结构,传统统计学方法如自回归、滑动平均、autoregressive integrated moving average(ARIMA)并不适合求解,机器学习模型(Kriging模型、LSSVM模型和ELM模型)可以建立非线性映射,在此可以作为映射函数进行预测,并研究了范数导向的融合算法模型,具体预测原理如图3所示。4 融合算法模型

【参考文献】：
期刊论文
[1]混沌奇异谱特性研究及在滚动轴承故障诊断中的应用[J]. 张淑清,贺朋,左一格,陈荣飞,张赟,刘婉,姜万录.  中国机械工程. 2018(12)
[2]轴承振动性能预报及可靠性分析[J]. 夏新涛,常振,李云飞.  系统仿真学报. 2018(04)
[3]基于径向基函数的变量预测模型模式识别方法[J]. 潘海洋,杨宇,郑近德,程军圣.  航空动力学报. 2017(02)
[4]滚动轴承振动的非线性超混沌特性研究[J]. 李兆飞,任小洪,黄臣程.  轴承. 2016(07)
[5]基于混沌理论滚动轴承振动稳健化试验数据的动态分析[J]. 徐永智,夏新涛,南翔.  航空动力学报. 2015(08)
[6]改进的饱和关联维数法在时间序列研究中的应用[J]. 邱华旭,黄张裕,朱华.  勘察科学技术. 2014(01)



本文编号：3520037