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

被引：94

作者：

肖婷

汤宝平

秦毅

陈昌

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 | 2015年 / 34卷 / 09期

基金：

高等学校博士学科点专项科研基金;

关键词：

性能退化评估; 信息熵; 流形学习; 最小二乘支持向量机;

D O I：

10.13465/j.cnki.jvs.2015.09.027

中图分类号：

TH165.3 []; TP181 [自动推理、机器学习];

学科分类号：

140502 [人工智能];

摘要：

为更好地表征滚动轴承性能退化趋势,提出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新方法。提取振动信号的多域特征组成高维特征集,利用局部保持投影算法(LPP)对多域高维特征集进行维数约简,消除各特征指标之间的冗余、冲突等问题。将维数约简后的特征向量作为最小二乘支持向量机的输入,建立退化趋势预测模型,完成退化趋势预测。运用实测的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：149 / 153

页数：5

共 12 条

[1]

基于KPCA与LSSVM的网络控制系统时延预测方法 [J].

田中大 ;

高宪文 ;

李琨 .

系统工程与电子技术, 2013, 35 (06) :1281-1285

[2]

基于流形学习和K-最近邻分类器的旋转机械故障诊断方法 [J].

宋涛 ;

汤宝平 ;

李锋 .

振动与冲击, 2013, 32 (05) :149-153

[3]

基于时频的频带熵方法在滚动轴承故障识别中的应用 [J].

王小玲 ;

陈进 ;

从飞云 .

振动与冲击, 2012, 31 (18) :29-33

[4]

基于非广延小波特征尺度熵和支持向量机的轴承状态识别 [J].

董绍江 ;

汤宝平 ;

张焱 .

振动与冲击, 2012, 31 (15) :50-54

[5]

基于AR模型和谱峭度法的滚动轴承故障诊断 [J].

石林锁 ;

沈金伟 ;

张亚洲 ;

牛武泽 .

振动与冲击, 2011, 30 (12) :257-260

[6]

基于非线性流形学习的ISAR目标识别研究 [J].

何强 ;

蔡洪 ;

韩壮志 ;

尚朝轩 .

电子学报, 2010, 38 (03) :585-590

[7]

小波包熵在设备性能退化评估中的应用 [J].

郭磊 ;

陈进 .

机械科学与技术, 2008, (09) :1203-1206

[8]

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

[9]

Bearing degradation process prediction based on the PCA and optimized LS-SVM model.[J].Shaojiang Dong;Tianhong Luo.Measurement.2013,

[10]

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

← 1 2 →