基于支持向量机模型的滚动轴承运行状态预测研究

被引：10

作者：

赵占飞

梁伟

郭晓燕

机构：

[1] 中国石油大学(北京)机械与储运工程学院

来源：

石油矿场机械 | 2016年 / 45卷 / 03期

关键词：

轴承; 支持向量机; 参数优化; 状态预测;

D O I：

暂无

中图分类号：

TH133.33 [滚动轴承]; TP181 [自动推理、机器学习];

学科分类号：

082805 [农业机械化与装备工程]; 140502 [人工智能];

摘要：

为了提高支持向量机对滚动轴承运行状态预测的准确性,采用遗传算法对支持向量机的核参数与惩罚因子进行优化,选取最优支持向量机参数;研究了时间序列预测中嵌入维数对预测精度的影响,提出了嵌入维数优选-参数优化支持向量机预测模型。通过轴承寿命加速试验表明,该模型可以提高滚动轴承运行状态预测的准确性,达到轴承故障预警时间预测的目的。

引用

页码：16 / 20

页数：5

共 19 条

[1]

基于多嵌入维数的时用水量LSSVM组合预测 [D].

陈丽琳 .

浙江大学,

2013

[2]

基于改进网格搜索法SVM参数优化的说话人识别研究 [D].

王健峰 .

哈尔滨工程大学,

2012

[3]

大型旋转机械运行状态趋势预测.[M].徐小力; 王红军; 著.科学出版社.2011,

[4]

基于支持向量机的矿山安全状态的预测技术研究.[A].孙忠林;.2008（沈阳）国际安全科学与技术学术研讨会.2008,

[5]

滚动轴承振动信号特征提取及诊断方法研究 [D].

朱可恒 .

大连理工大学,

2013

[6]

A hybrid PSO optimized SVM-based model for predicting a successful growth cycle of the Spirulina platensis from raceway experiments data.[J].P.J. García Nieto;E. García-Gonzalo;J.R. Alonso Fernández;C. Díaz Muñiz.Journal of Computational and Applied Mathematics.2016,

[7]

A dynamically approach based on SVM algorithm for prediction of tunnel convergence during excavation.[J].Satar Mahdevari;Hamid Shirzad Haghighat;Seyed Rahman Torabi.Tunnelling and Underground Space Technology incorporating Trenchless Technology Research.2013,

[8]

Predicting high-tech equipment fabrication cost with a novel evolutionary SVM inference model [J].