-
题名基于主元特征融合和SVM的轴承剩余寿命预测
被引量：22
- 1
-
-
作者
马海龙
-
机构
北京天地龙跃科技有限公司
-
出处
《工矿自动化》
北大核心
2019年第8期74-78,共5页
-
基金
中国煤炭科工集团有限公司科技创新创业资金专项资助项目(2018QN035)
天地科技股份有限公司科技创新创业资金专项资助项目(2018-TD-QN045)
-
文摘
为解决采用单一特征量预测轴承剩余寿命误差较大、有限数据样本条件下轴承剩余寿命难以估算的问题,提出了一种基于主元特征融合和支持向量机(SVM)的轴承剩余寿命预测方法。该方法采集振动加速度信号构建数据样本,提取有效值、峰值、小波熵等表征轴承退化趋势的特征指标;采用主元分析融合多个特征指标,消除特征间的冗余和相关性,构造出相对多特征的退化特征量;将退化特征量输入SVM模型中进行轴承剩余寿命预测。现场工程应用结果表明,基于主元特征融合和SVM的轴承剩余寿命预测方法可在小样本条件下筛选出包含信号绝大部分信息的主元,从而在保证预测精度的同时,减少了计算量。
-
关键词
轴承剩余寿命预测
主元特征融合
支持向量机
主元分析
退化特征量
-
Keywords
bearing residual life prediction
principal component feature fusion
support vector machine
principal component analysis
regressive feature
-
分类号
TD67
[矿业工程—矿山机电]
-
-
题名基于主特征模式的机电系统故障诊断算法(英文)
被引量：1
- 2
-
-
作者
巫茜
周庆
-
机构
重庆理工大学计算机科学与工程学院
重庆大学计算机科学与技术学院
-
出处
《机床与液压》
北大核心
2012年第6期111-117,共7页
-
基金
National Natural Science Foundation of China(61003246)
The Chongqing Education Committee Project Under Grant(KJ110805)
-
文摘
机电设备运行状态的监测对保障系统稳定可靠运行、预防重大事故发生有重要意义。针对传统诊断方法由于故障信息不足导致的诊断精确度差,提出了一种基于主特征模式识别的故障诊断方法。基于多源特征信息融合,研究了基于多传感器系统的特征融合故障诊断模型,讨论了反映系统运动状态特征的指标体系及故障诊断算法。文中以滚动轴承系统故障诊断为例,首先计算了各传感器获取信号的时域特征参数,然后,借助主特征模式对特征信息进行融合与降维处理,实验测试数据显示出与传统诊断方法相比较该算法有更好的故障诊断性能。研究结果表明了该方法在重型机电设备故障诊断中应用的可行性与合理性。
-
关键词
主特征融合
模式识别
故障诊断
重型机电设备
-
Keywords
main feature fusion
pattern recognition
fault diagnosis
heavy electromechanical device
-
分类号
TP29
[自动化与计算机技术—检测技术与自动化装置]
-
