基于威布尔分布及最小二乘支持向量机的滚动轴承退化趋势预测

被引：89

作者：

陈昌

汤宝平

吕中亮

机构：

[1] 重庆大学机械传动国家重点实验室

来源：

振动与冲击 | 2014年 / 33卷 / 20期

基金：

高等学校博士学科点专项科研基金;

关键词：

退化趋势预测; 威布尔分布; 性能退化评估; 最小二乘支持向量机;

D O I：

10.13465/j.cnki.jvs.2014.20.011

中图分类号：

TP18 [人工智能理论]; TH133.33 [滚动轴承];

学科分类号：

082805 [农业机械化与装备工程]; 140502 [人工智能];

摘要：

为有效描述滚动轴承的退化趋势,提出结合威布尔分布及最小二乘支持向量机的滚动轴承退化趋势预测新方法。用威布尔分布形状参数作为滚动轴承的性能退化指标,将该指标作为最小二乘支持向量机的输入构造退化趋势预测模型。鉴于最小二乘支持向量机模型参数对模型的推广预测能力影响较大,选粒子群算法(PSO)优化最小二乘支持向量机模型参数,并用实测滚动轴承全寿命实验数据进行检验。结果表明该方法能获得准确的预测结果。

引用

页码：52 / 56

页数：5

共 9 条

[1]

基于相对特征和多变量支持向量机的滚动轴承剩余寿命预测 [J].

申中杰 ;

陈雪峰 ;

何正嘉 ;

孙闯 ;

张小丽 ;

刘治汶 .

机械工程学报, 2013, 49 (02) :183-189

[2]

基于EMD的灰色模型的疲劳剩余寿命预测方法研究 [J].

徐东 ;

徐永成 ;

陈循 ;

李兴林 ;

杨拥民 .

振动工程学报, 2011, 24 (01) :104-110

[3]

基于Hilbert变换与威布尔分布的轴承早期故障诊断 [J].

龙凯 ;

李刚成 .

科学技术与工程, 2010, 10 (17) :4163-4167

[4]

基于主成分分析的最小二乘支持向量机短期负荷预测模型 [J].

刘宝英 ;

杨仁刚 .

电力自动化设备, 2008, (11) :13-17

[5]

基于神经网络的球轴承剩余寿命预测 [J].

奚立峰 ;

黄润青 ;

李兴林 ;

刘中鸿 ;

李杰 .

机械工程学报, 2007, (10) :137-143

[6]

A dynamic multi-scale Markov model based methodology for remaining life prediction.[J].Jihong Yan;Chaozhong Guo;Xing Wang.Mechanical Systems and Signal Processing.2010, 4

[7]

Bearing condition diagnosis and prognosis using applied nonlinear dynamical analysis of machine vibration signal.[J].S. Janjarasjitt;H. Ocak;K.A. Loparo.Journal of Sound and Vibration.2008, 1

[8]

Rolling element bearings multi-fault classification based on the wavelet denoising and support vector machine [J].

Abbasion, S. ;

Rafsanjani, A. ;

Farshidianfar, A. ;

Irani, N. .

MECHANICAL SYSTEMS AND SIGNAL PROCESSING, 2007, 21 (07) :2933-2945

[9]

Fault detection in induction motors using Hilbert and Wavelet transforms [J].

Jimenez, Guillermo A. ;

Munoz, Alfredo O. ;

Duarte-Mermoud, Manuel A. .

ELECTRICAL ENGINEERING, 2007, 89 (03) :205-220

← 1 →