您的位置:网站首页 > 《中文科技期刊数据库》 > 工程技术 > 自动化计算机 > 自动化技术及设备 > 摘要

基于连续型HMM和PSO-SVM的滚动轴承剩余寿命预测

《计算机应用》2019年 第A01期 | 刘波 宁芊 刘才学 艾琼 何攀   四川大学电子信息学院 成都610065 新疆师范大学物理与电子工程学院 乌鲁木齐830054 中国核动力设计研究院 成都610213
★ 收藏 | 分享
  • 第1页
  • 第2页
  • 第3页
  • 第4页
论文服务:
摘 要:为了准确识别轴承当前所处的退化状态,并进一步精确有效地预测其剩余寿命,提出一种基于连续型隐马尔可夫模型(CHMM)与PSO-SVM相结合的预测方法。首先,提取轴承振动全寿命周期信号的时域、频域、时频域的特征,并构建特征空间;然后,利用CHMM将轴承全寿命周期划分若干个退化阶段,并通过选取不同阶段的特征训练样本,采用PSO-SVM进行预测模型的训练,分别得到不同阶段的剩余寿命预测模型;最后,运用滚动轴承全寿命数据对所提方法进行测试,并与全寿命周期数据CHMM分区段后的SVM模型和未分区段的PSO-SVM模型的预测方法作对比。实验结果表明该方法能有效提高预测精度,具有一定的实用性。
【分 类】【工业技术】 > 自动化技术、计算机技术 > 自动化技术及设备 > 一般性问题 > 调整、测试 > 故障预测、诊断与排除
【关键词】 性能退化 剩余寿命预测 特征提取 连续型隐马尔可夫模型 逻辑回归
【出 处】 《计算机应用》2019年 第A01期 31-35页 共5页
【收 录】 中文科技期刊数据库