信息熵与优化LS-SVM的轴承性能退化模糊粒化预测

被引：52

作者：

陈法法 ^{[1
]}

杨勇 ^{[2
]}

马婧华 ^{[2
]}

陈从平 ^{[1
]}

机构：

[1] 三峡大学水电机械设备设计与维护湖北省重点实验室

[2] 重庆大学机械传动国家重点实验室

来源：

仪器仪表学报 | 2016年 / 37卷 / 04期

关键词：

信息熵; 最小二乘支持向量机; 模糊信息粒化; 滚动轴承; 趋势预测;

D O I：

10.19650/j.cnki.cjsi.2016.04.009

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：

为了提高滚动轴承性能退化指标的预测精度,得到性能退化指标的一个预测范围,本文提出信息熵与优化最小二乘支持向量机(LS-SVM)的轴承性能退化趋势模糊粒化预测。首先利用信息熵理论提取轴承信号的性能退化指标序列,再利用模糊信息粒化理论对该性能退化指标序列进行模糊信息粒化;然后将粒化后的数据输入给LS-SVM进行回归预测,并采用粒子群算法(PSO)优化LS-SVM的惩罚参数和核函数参数;最后根据实测值和预测值的对比分析评估预测模型的优良性。实验结果表明,对于每个时间段内的轴承性能退化指标,该方法均能获得准确的预测结果,具备较强的实用性和工程应用价值。

引用

页码：779 / 787

页数：9

共 12 条

[1]

基于流形学习和最小二乘支持向量机的滚动轴承退化趋势预测 [J].

肖婷 ;

汤宝平 ;

秦毅 ;

陈昌 .

振动与冲击, 2015, 34 (09) :149-153

[2]

改进的EEMD算法及其在多相流检测中的应用 [J].

李利品 ;

党瑞荣 ;

樊养余 .

仪器仪表学报, 2014, 35 (10) :2365-2371

[3]

基于小波包变换的最小二乘支持向量机短期风速多步预测和信息粒化预测的研究 [J].

柳玉 ;

曾德良 ;

刘吉臻 ;

白恺 ;

宋鹏 .

太阳能学报, 2014, 35 (02) :214-220

[4]

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

[5]

基于小波及非线性预测的轴承故障诊断方法 [J].

张景超 ;

张金敏 ;

张淑清 ;

刘永富 ;

李璧名 .

仪器仪表学报, 2012, 33 (01) :127-131

[6]

Slope stability analysis based on quantum-behaved particle swarm optimization and least squares support vector machine [J].

Li, Bo ;

Li, Duanyou ;

Zhang, Zhijun ;

Yang, Shengmei ;

Wang, Fan .

APPLIED MATHEMATICAL MODELLING, 2015, 39 (17) :5253-5264

[7]

Weighted least squares projection twin support vector machines with local information.[J].Xiaopeng Hua;Shifei Ding.Neurocomputing.2015,

[8]

Resource allocation algorithm based on hybrid particle swarm optimization for multiuser cognitive OFDM network [J].

Xu, Lei ;

Wang, Jun ;

Li, Ya-ping ;

Li, Qianmu ;

Zhang, Xiaofei .

EXPERT SYSTEMS WITH APPLICATIONS, 2015, 42 (20) :7186-7194

[9]

Improving forecasting accuracy of medium and long-term runoff using artificial neural network based on EEMD decomposition.[J].Wen-chuan Wang;Kwok-wing Chau;Lin Qiu;Yang-bo Chen.Environmental Research.2015,

[10]

Feature selection via neighborhood multi-granulation fusion.[J].Yaojin Lin;Jinjin Li;Peirong Lin;Guoping Lin;Jinkun Chen.Knowledge-Based Systems.2014,

← 1 2 →