典型文献
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
文献摘要：
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(PC A)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.
文献关键词：
滚动轴承;状态评估;主成分分析;差分进化灰狼群算法;剩余寿命预测
中图分类号：
作者姓名：
徐洲常;王林军;刘洋;蔡康林;陈正坤;陈保家
作者机构：
三峡大学水电机械设备设计与维护湖北省重点实验室, 443002 ,湖北宜昌;三峡大学机械与动力学院, 443002 ,湖北宜昌
文献出处：
引用格式：
[1]徐洲常;王林军;刘洋;蔡康林;陈正坤;陈保家-.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)[J].西安交通大学学报,2022(03):197-205
A类：
回归型支持向量机,差分进化灰狼群算法,DEGWO
B类：
滚动轴承剩余寿命,剩余寿命预测,寿命预测方法,承运,性能退化,SVR,轴承寿命,时频域特征,特征指标,指标融合,综合指标,指标构建,测向,惩罚参数,径向基函数,RBF,核参数,支持向量机模型,预测数据,集输,算法优化,状态评估,IEEE,PHM,数据集验证,网格搜索算法,GSA,长短期记忆神经网络,其他方法,均方误差,决定系数,数则,预测应用
AB值：
0.233186
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。
