基于变分模态分解和极限学习机轴承寿命预测

• 作者: 汪东甲 王新
• 来源期刊: 制造业自动化
• 学科: 工学
• 关键词: 剩余寿命预测 变分模态分解 极限学习机 轴承
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 信息与管理
• 页码范围: 36-39
• 页数: 4页
• 分类号: TP206.3
• 字数: 3393字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-0134.2018.11.009

摘要

提出了一种基于变分模态分解(Variational Mode Decomposition,VMD)谱熵和极限学习机(Extreme Learning Machine,ELM)的轴承寿命预测方法.首先,对轴承的振动信号提取变分模态分解谱熵特征,组成表征轴承健康因子的时间序列.其次,对健康因子时间序列进行变分模态分解并提取时间序列的趋势项,ELM对趋势项预测实现对轴承剩余寿命的预测.实例验证,VMD-ELM模型的对轴承健康因子时间序列的预测有良好的精度,准确预测了轴承的劣化趋势和轴承的剩余寿命.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王新	河南理工大学物理与电子信息学院	67	495	12.0	20.0
2	汪东甲	河南理工大学物理与电子信息学院	1	5	1.0	1.0