Print

基于组合模型的滚动轴承故障预测研究

论文摘要

针对轴承故障预测可使用的样本数据少、特征参数信息贫乏且呈现非线性、不确定性等特点,提出一种基于改进灰色GM(1,1)和遗传算法优化的BP神经网络的组合预测模型。首先,根据各单一模型在当前时段的预测误差,通过最小二乘法确定出在未来时段中两种单一模型的权重,然后将预测结果进行加权求和,得到最终的组合模型预测值。该模型既能实现灰色GM(1,1)模型处理小样本的轴承振动数据预测的目标,也能发挥BP神经网络解决非线性拟合问题的优势。最后,将组合模型与各单一模型进行实例数据分析,结果表明组合模型的预测精度为96.63%,比上述子模型的预测结果分别提高了7.84%和6.13%。

论文目录

  • 1 引言
  • 2 确立单项预测模型
  •   2.1 改进GM （1, 1） 模型
  •   2.2 遗传算法优化BP神经网络模型
  • 3 构建组合预测模型
  • 4 实验案例分析
  • 5 结论

    • 文章来源

    类型: 期刊论文

    作者: 颉潭成,张凯,马君达,徐彦伟

    关键词: 故障预测,灰色,神经网络,遗传算法,组合模型

    来源: 机械设计与制造 2019年01期

    年度: 2019

    分类: 工程科技Ⅱ辑,信息科技

    专业: 机械工业,自动化技术

    单位: 河南科技大学机电工程学院

    基金: 国家自然科学基金(51305127),河南省教育厅科学技术研究重点项目(14A460018),河南科技大学青年科学基金资助项目(2012QN024)

    分类号: TP18;TH133.33

    DOI: 10.19356/j.cnki.1001-3997.2019.01.010

    页码: 36-39

    总页数: 4

    文件大小: 246K

    下载量: 257

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/db1669124b7f36f0ef240dd4.html