典型文献
一种基于特征聚类和评价的轴承寿命预测新方法
文献摘要：
在预测轴承寿命时,使提取的特征和剩余寿命保持高相关性,并使不同的特征之间保持低相关性,是有利于提升轴承寿命预测精度的.为解决单一的特征评价方法对后者考虑不足的问题,提出了一种基于相关性改进Kmeans聚类算法(correlation-based improved Kmeans cluster algorithm,Corr-Kmeans)和初始聚类中心确定方法,并与特征评价相结合,最终提出一种基于特征聚类和评价的轴承寿命预测新方法.首先利用卷积自编码对频域信息提取初始特征,用Corr-Kmeans对初始特征按相关性进行聚类,使得聚类后的特征类内相关性高,而类间相关性低;其次,使用相关性、单调性和鲁棒性3个指标来综合评价每一类中的特征,按照筛选阈值将得分较高的特征从每一类中分别选出,组成用于训练与预测的特征子集;最后采用LSTM(long short-term memory,LSTM)网络对轴承剩余寿命进行预测.在一个轴承加速寿命试验的公开数据集上使用留一法进行验证,利用对比试验证明了该方法在预测轴承剩余寿命上的有效性.
文献关键词：
轴承;寿命预测;相关性改进Kmeans聚类算法(Corr-Kmeans);聚类;特征评价
中图分类号：
作者姓名：
李海浪;邹益胜;曾大懿;刘永志;赵市教;宋小欣
作者机构：
西南交通大学机械工程学院,成都610031
文献出处：
引用格式：
[1]李海浪;邹益胜;曾大懿;刘永志;赵市教;宋小欣-.一种基于特征聚类和评价的轴承寿命预测新方法)[J].振动与冲击,2022(05):141-150
A类：
B类：
特征聚类,轴承寿命,寿命预测,剩余寿命,低相关性,特征评价,Kmeans,聚类算法,correlation,improved,cluster,algorithm,Corr,初始聚类中心,确定方法,卷积自编码,频域,域信息,信息提取,单调性,特征子集,long,short,term,memory,加速寿命试验,公开数据集
AB值：
0.308609
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
