基于VPMELM的滚动轴承劣化状态辨识方法

发布时间：2017-08-31 13:43

  本文关键词：基于VPMELM的滚动轴承劣化状态辨识方法

  更多相关文章： 极限学习机 变量预测模式识别方法 基于极限学习机的变量预测模型 滚动轴承

【摘要】：针对变量预测模型模式识别方法(VPMCD)仅仅包含几种简单数学模型的问题,所建立的预测模型不足以反映特征值之间的复杂关系;极限学习机(ELM)回归模型是一种复杂且被广泛应用的模型,其模型可以反映特征之间的相互关系。结合极限学习机回归模型和VPMCD方法的优点,提出了一种基于极限学习机的变量预测模型(VPMELM)模式识别方法,并将该方法应用于滚动轴承劣化状态实验中。实验表明,基于VPMELM的辨识方法可以有效地对滚动轴承的劣化状态进行识别。
【作者单位】： 安徽工业大学机械工程学院;马鞍山市安工大工业技术研究院工业机器人研究所;
【关键词】： 极限学习机 变量预测模式识别方法 基于极限学习机的变量预测模型 滚动轴承
【基金】：国家自然科学基金(51505002) 安徽高校自然科学研究项目资助(2015A080)
【分类号】：TH133.33
【正文快照】： 当机械正常运行时,需要定期或者不定期进行检修,目的就是为了避免事故的发生。但是有些零部件出现故障时,工作呈现正常状态,实际是安全隐患,需要及时排除。滚动轴承作为旋转机械的主要零部件,其诊断也主要是对滚动轴承的滚动体、内圈和外圈故障等进行识别,而很少有对某一特定，

本文编号：765939