文献类型：期刊文章

作　　者：陈法法[1] 杨勇[2] 马婧华[2] 陈从平[1]

机构地区：[1]三峡大学水电机械设备设计与维护湖北省重点实验室,宜昌443002 [2]重庆大学机械传动国家重点实验室,重庆400030

出　　处：《仪器仪表学报》

基　　金：国家自然科学基金(51405264;51475266)项目资助

年　　份：2016

卷　　号：37

期　　号：4

起止页码：779-787

语　　种：中文

收录情况：BDHX、BDHX2014、CAS、CSCD、CSCD2015_2016、EI(收录号：20162402493429)、IC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：为了提高滚动轴承性能退化指标的预测精度,得到性能退化指标的一个预测范围,本文提出信息熵与优化最小二乘支持向量机(LS-SVM)的轴承性能退化趋势模糊粒化预测。首先利用信息熵理论提取轴承信号的性能退化指标序列,再利用模糊信息粒化理论对该性能退化指标序列进行模糊信息粒化;然后将粒化后的数据输入给LS-SVM进行回归预测,并采用粒子群算法(PSO)优化LS-SVM的惩罚参数和核函数参数;最后根据实测值和预测值的对比分析评估预测模型的优良性。实验结果表明,对于每个时间段内的轴承性能退化指标,该方法均能获得准确的预测结果,具备较强的实用性和工程应用价值。

关 键 词：信息熵 最小二乘支持向量机 模糊信息粒化  滚动轴承 趋势预测  

分 类 号：TH319.3] TH132.2