基于IMFOA-SVR的轴承剩余使用寿命预测方法

发布时间：2022-05-08 10:06

　　为提高轴承剩余使用寿命预测精度,提出了一种基于IMFOA-SVR的轴承剩余使用寿命预测方法。首先,设计了一种三维自适应果蝇优化算法,提高了果蝇搜索空间维度与味道浓度判定值精度,搜索步长随进化信息自适应动态调整,能够有效克服局部最优,加快收敛效率;其次,将设计算法应用于支持向量回归参数优化,并利用该模型进行轴承剩余使用寿命预测;最后,仿真实验结果表明,文章提出方法与FOA-SVR、LGMS-FOA-SVR、MFOA-SVR、IFOA-SVR相比,具有较高的预测效率和预测精度。 

【文章页数】：4 页

【文章目录】：
0 引言
1 三维自适应果蝇优化算法
    1.1 果蝇优化算法
    1.2 IMFOA算法设计
2 基于IMFOA-SVR轴承剩余使用寿命预 测模型
    2.1 退化特征选择
    2.2 IMFOA-SVR模型
        2.2.1 SVR模型
        2.2.2 IMFOA-SVR模型流程选
3 实验结果与分析
    3.1 实验环境
    3.2 IMFOA算法性能测试
    3.3 IMFOA-SVR模型性能测试
4 结论


【参考文献】：
期刊论文
[1]深度学习在设备故障预测与健康管理中的应用[J]. 陈志强,陈旭东,José Valente de Olivira,李川.  仪器仪表学报. 2019(09)
[2]基于FOA-SVR模型的矿井底板突水量预测应用研究[J]. 刘梦杰,朱希安,王占刚.  中国矿业. 2019(05)
[3]煤层底板破坏深度预测的GRA-FOA-SVR模型[J]. 赵云平,邱梅,刘绪峰,施龙青.  中国科技论文. 2018(03)

硕士论文
[1]基于机器学习的工业故障预测与健康管理关键技术的研究[D]. 高月.北京邮电大学 2019



本文编号：3651454