采用改进回归型支持向量机的滚动轴承剩余寿命预测方法

为准确评估滚动轴承运行状态、预测其性能退化趋势以及剩余寿命，提出一种改进回归型支持向量机(SVR)的滚动轴承寿命预测方法。提取轴承信号的时域和时频域特征，通过主成分分析(PCA)方法将特征指标融合成一个归一化综合指标来表征轴承运行状态；利用特征指标和综合指标构建训练和预测向量数据集，结合差分进化灰狼群算法(DEGWO)确定最优惩罚参数和径向基函数(RBF)核参数并构建回归型支持向量机模型；将预测数据集输入到DEGWO算法优化的SVR模型中得到轴承状态评估指标的预测值，实现轴承剩余寿命的预测。利用IEEE PHM 2012数据集验证所提方法的有效性，并将其结果与灰狼群算法(GWO)优化的SVR、网格搜索算法(GSA)优化的SVR和长短期记忆神经网络(LSTM)模型所得结果进行对比分析。仿真结果表明：与其他方法相比，采用所提方法得到的轴承剩余寿命预测均方误差分别降低了44.74%、66.67%、77.27%,决定系数则分别提高了7.25%、20.72%、11.94%,该结果说明了所提方法在轴承剩余寿命预测应用方面的优越性。