ELM神经网络及其在机械故障预测中的应用

• 作者: 吴家胜 张瀚文 徐辉
• 来源期刊: 中国煤炭
• 学科: 工学
• 关键词: 机限学习机 神经网络 故障预测 机械故障
• 年，卷（期）: 2014,（1）
• 所属期刊栏目: 煤炭科技 -- 机电与信息化
• 页码范围: 85-89
• 页数: 5页
• 分类号: TD63
• 字数: 3383字
• 语种: 中文

摘要

提出了一种基于 ELM (Extreme Learning Machine 极限学习机)神经网络的机械设备故障预测方法，该方法对机械设备运行过程中的振动信号提取多个特征指标，并对各指标进行神经网络辨识，同时进行时间序列预测。该网络具有学习速度快、泛化能力强等优点，能够很好的应用于非线性系统的辨识与预测。试验仿真采用美国西储大学轴承数据中心发布的轴承故障振动数据，结果表明该方法能够很好的辨识时间序列故障状态，同时能够进行准确的预测，在煤炭实际生产中具有广泛的应用前景。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐辉		6	22	2.0	4.0
2	吴家胜		1	6	1.0	1.0