基于PCA和多变量极限学习机的轴承剩余寿命预测

被引：22

作者：

何群

李磊

江国乾

谢平

机构：

[1] 燕山大学河北省测试计量技术及仪器重点实验室

来源：

中国机械工程 | 2014年 / 25卷 / 07期

关键词：

主成分分析; 极限学习机; 多变量极限学习机; 剩余寿命预测;

D O I：

暂无

中图分类号：

TH133.3 [轴承]; TP181 [自动推理、机器学习];

学科分类号：

080203 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

提出了一种基于主成分分析(PCA)和多变量极限学习机(MELM)的轴承剩余寿命预测方法。该方法首先利用PCA技术融合多个表征轴承运行状态与衰退趋势的时域频域特征指标来消除特征间的冗余性和相关性;进一步在单变量极限学习机(ELM)的基础上构建多变量极限学习机模型来预测轴承剩余寿命。该方法克服了传统单变量极限学习机结构简单、信息匮乏等缺点,能有效提高轴承剩余寿命的预测精度。运用全寿命轴承振动数据对模型进行验证,结果表明,相比单独应用ELM模型或MELM模型,基于PCA和MELM剩余寿命预测方法具有更高的预测精度和稳定性。

引用

页码：984 / 989

页数：6

共 12 条

[1] 基于ICPSO优化的极限学习机在故障诊断中的应用 [J].

高斐 ;

李洪儒 ;

许葆华 .

中国机械工程, 2013, 24 (20) :2753-2757

[2] 基于相对特征和多变量支持向量机的滚动轴承剩余寿命预测 [J].

申中杰 ;

陈雪峰 ;

何正嘉 ;

孙闯 ;

张小丽 ;

刘治汶 .

机械工程学报, 2013, 49 (02) :183-189

[3] 基于改进极限学习机的短期电力负荷预测方法 [J].

毛力 ;

王运涛 ;

刘兴阳 ;

李朝锋 .

电力系统保护与控制, 2012, 40 (20) :140-144

[4] 基于小波-极限学习机的短期风电功率预测 [J].

黄庭 ;

王昕 ;

李立学 ;

周荔丹 ;

姚钢 ;

张杨 .

控制工程, 2012, 19(S1) (S1) :232-236

[5] 基于小波变换与粗集理论的滚动轴承故障诊断 [J].

张邦基 ;

于德介 ;

杨胜 .

中国机械工程, 2008, (15) :1793-1795+1831

[6] 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

[7]

基于优化支持向量机的空间滚动轴承寿命预测方法研究.[D].董绍江.重庆大学.2012, 05

[8]

Degradation process prediction for rotational machinery based on hybrid intelligent model.[J].Shichang Du;Jun Lv;Lifeng Xi.Robotics and Computer Integrated Manufacturing.2011, 2

[9]

Bearing performance degradation assessment based on lifting wavelet packet decomposition and fuzzy c-means.[J].Yuna Pan;Jin Chen;Xinglin Li.Mechanical Systems and Signal Processing.2009, 2

[10] Condition prediction based on wavelet packet transform and least squares support vector machine methods [J].

Zhao, F. ;

Chen, J. ;

Xu, W. .

PROCEEDINGS OF THE INSTITUTION OF MECHANICAL ENGINEERS PART E-JOURNAL OF PROCESS MECHANICAL ENGINEERING, 2009, 223 (E2) :71-79

← 1 2 →