KPCA和改进SVM在滚动轴承剩余寿命预测中的应用研究

论文摘要

为解决支持向量机模型在预测滚动轴承剩余寿命时准确率不高的问题,对核主成分分析（Kernel Principal Component Analysis,KPCA）和最小二乘支持向量机（Least Square Support Vector Machine,LSSVM）在剩余寿命预测中的应用进行了研究。采用核主成分分析方法融合轴承振动信号时域、频域特征指标并提取第一主成分评估轴承性能退化情况,并将满足要求的多个KPCA主成分作为输入,建立KPCA-LSSVM模型来对轴承剩余寿命进行预测。采用轴承全寿命试验数据对该方法的有效性进行验证,结果表明,该方法提取的轴承性能退化评估指标能够更为全面地表征轴承性能退化情况,建立的KPCA-LSSVM模型可在滚动轴承剩余寿命预测工作中获得良好的预测效果。

论文目录

• 1 引言
• 2 轴承性能退化评估指标建立
•   2.1 时域、频域特征提取
•   2.2 核主成分分析
• 3 改进SVM预测模型
• 4 基于轴承全寿命实验的验证
•   4.1 实验装置
•   4.2 验证结果与分析
• 5 结论

文章来源

类型: 期刊论文

作者: 者娜,杨剑锋,刘文彬,陈良超

关键词: 滚动轴承,剩余寿命预测,评估指标,核主成分分析,最小二乘支持向量机

来源: 机械设计与制造 2019年11期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 机械工业

单位: 北京化工大学化工安全教育部工程研究中心

基金: 国家科技支撑计划资助项目(2011BAK06B03)

分类号: TH133.33

DOI: 10.19356/j.cnki.1001-3997.2019.11.001

页码: 1-4+8

总页数: 5

文件大小: 752K

下载量: 431