滚动轴承剩余寿命预测的加权融合相关向量机模型

    公开(公告)号:CN104899608B

    公开(公告)日:2017-12-26

    申请号:CN201510344746.9

    申请日:2015-06-19

    Abstract: 滚动轴承剩余寿命预测的加权融合相关向量机模型,首先利用改进的粒子滤波框架,降低或者消除离群点对各个核函数模型预测效果的影响,然后基于各个单一相关向量机模型对数据的泛化能力,筛选出泛化能力强的单一相关向量机模型,并对它们进行加权融合,获得加权融合相关向量机模型,实现各个单一相关向量机模型特性的优势互补,提高了加权融合相关向量机对滚动轴承运行状态和剩余寿命的预测效果,本发明获得的加权融合相关向量机预测模型预测精度高、鲁棒性强,更适合于工程实际应用。

    一种自适应多核组合相关向量机的滚动轴承寿命预测模型

    公开(公告)号:CN104598736B

    公开(公告)日:2017-06-20

    申请号:CN201510035488.6

    申请日:2015-01-22

    Abstract: 一种自适应多核组合相关向量机的滚动轴承寿命预测模型,首先利用粒子滤波初始化组合核函数权重矩阵,获得组合核函数集,然后建立多核组合相关向量机集,接着经过迭代预测、权值更新和重采样过程自适应获得最优多核组合相关向量机模型,最后利用其预测滚动轴承的运行状态和剩余寿命,本发明获得的多核组合相关向量机模型自适应地融合了多个单一核函数的优良特性,降低了单一核函数相关向量机模型对参数的依赖性,提高了预测精度,预测的稳定性更好,模型的鲁棒性更强,具有较好的工程应用价值。

    基于特征融合和粒子滤波的滚动轴承剩余寿命预测方法

    公开(公告)号:CN103955750A

    公开(公告)日:2014-07-30

    申请号:CN201410135995.2

    申请日:2014-04-04

    Abstract: 基于特征融合和粒子滤波的滚动轴承剩余寿命预测方法,在指标计算部分,首先从轴承振动信号中提取原始特征,采用相关性聚类方法对提取的原始特征进行聚类,然后从各类中选取一个典型特征构成最优特征集,最后采用加权融合方法将特征集融合为最终的衰退指标;在寿命预测部分,先对衰退指标进行平滑处理和重采样,将时间间隔调整为期望值,采用最小二乘拟合计算状态空间模型初始参数,然后根据新的观测数据对模型参数进行实时更新,最后预测轴承剩余寿命,本发明寿命预测结果与真实值差异小,应用效果好。

    基于特征融合和粒子滤波的滚动轴承剩余寿命预测方法

    公开(公告)号:CN103955750B

    公开(公告)日:2017-02-15

    申请号:CN201410135995.2

    申请日:2014-04-04

    Abstract: 基于特征融合和粒子滤波的滚动轴承剩余寿命预测方法,在指标计算部分,首先从轴承振动信号中提取原始特征,采用相关性聚类方法对提取的原始特征进行聚类,然后从各类中选取一个典型特征构成最优特征集,最后采用加权融合方法将特征集融合为最终的衰退指标;在寿命预测部分,先对衰退指标进行平滑处理和重采样,将时间间隔调整为期望值,采用最小二乘拟合计算状态空间模型初始参数,然后根据新的观测数据对模型参数进行实时更新,最后预测轴承剩余寿命,本发明寿命预测结果与真实值差异小,应用效果好。

    一种自适应多核组合相关向量机的滚动轴承寿命预测模型

    公开(公告)号:CN104598736A

    公开(公告)日:2015-05-06

    申请号:CN201510035488.6

    申请日:2015-01-22

    Abstract: 一种自适应多核组合相关向量机的滚动轴承寿命预测模型,首先利用粒子滤波初始化组合核函数权重矩阵,获得组合核函数集,然后建立多核组合相关向量机集,接着经过迭代预测、权值更新和重采样过程自适应获得最优多核组合相关向量机模型,最后利用其预测滚动轴承的运行状态和剩余寿命,本发明获得的多核组合相关向量机模型自适应地融合了多个单一核函数的优良特性,降低了单一核函数相关向量机模型对参数的依赖性,提高了预测精度,预测的稳定性更好,模型的鲁棒性更强,具有较好的工程应用价值。

    滚动轴承剩余寿命预测的加权融合相关向量机模型

    公开(公告)号:CN104899608A

    公开(公告)日:2015-09-09

    申请号:CN201510344746.9

    申请日:2015-06-19

    CPC classification number: G06K9/6269

    Abstract: 滚动轴承剩余寿命预测的加权融合相关向量机模型,首先利用改进的粒子滤波框架,降低或者消除离群点对各个核函数模型预测效果的影响,然后基于各个单一相关向量机模型对数据的泛化能力,筛选出泛化能力强的单一相关向量机模型,并对它们进行加权融合,获得加权融合相关向量机模型,实现各个单一相关向量机模型特性的优势互补,提高了加权融合相关向量机对滚动轴承运行状态和剩余寿命的预测效果,本发明获得的加权融合相关向量机预测模型预测精度高、鲁棒性强,更适合于工程实际应用。

Patent Agency Ranking