典型文献
基于IVMD及GNN的外啮合齿轮泵剩余寿命预测研究
文献摘要：
齿轮泵剩余使用寿命预测对液压元件预防性维护具有重要意义.从流量退化的角度构建一种基于改进的变分模态分解(IVMD)方法及图神经网络(GNN)的外啮合齿轮泵寿命评价模型.首先运用经粒子群优化算法(PSO)优化后的变分模态分解(VMD)方法对齿轮泵原始振动数据进行降噪重构,再从时域、频域、时频域选取重构信号的特征指标并组成特征矩阵,将特征矩阵进行归一化处理后得到齿轮泵寿命评估指标.最后将评估指标与对应流量信号输入到GNN模型中进行训练,进而得到外啮合齿轮泵寿命评价模型.为验证IVMD-GNN模型的优越性,将其与模糊神经网络(ANFIS)及贝叶斯网络(Trainbr-RBFNN)进行对比.结果表明:IVMD-GNN模型预测结果的均方误差为1.68e-04,明显小于其他两种模型,且预测下的寿命分布与真实分布基本吻合,表明该模型拥有更高的准确性,能够对齿轮泵的剩余使用寿命进行评估.
文献关键词：
外啮合齿轮泵;剩余使用寿命;图神经网络;粒子群优化算法
中图分类号：
作者姓名：
叶欣;王东锋;齐建军;郭锐;赵静一;赵家炜
作者机构：
航天发射场可靠性技术重点实验室,海南 海口 571126;北京特种工程设计研究院,北京100028;燕山大学河北省重型机械流体动力传输与控制重点实验室,河北秦皇岛066004;秦皇岛燕大一华机电工程技术研究院有限公司,河北 秦皇岛066004
文献出处：
引用格式：
[1]叶欣;王东锋;齐建军;郭锐;赵静一;赵家炜-.基于IVMD及GNN的外啮合齿轮泵剩余寿命预测研究)[J].液压气动与密封,2022(08):9-17
A类：
Trainbr,68e
B类：
IVMD,GNN,外啮合齿轮泵,剩余寿命预测,预测研究,剩余使用寿命预测,液压元件,预防性维护,护具,变分模态分解,图神经网络,寿命评价,粒子群优化算法,PSO,降噪,时频域,重构信号,特征指标,组成特征,特征矩阵,归一化处理,寿命评估,模糊神经网络,ANFIS,贝叶斯网络,RBFNN,均方误差,寿命分布
AB值：
0.246417
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。
