基于连续型HMM和PSO-SVM的滚动轴承剩余寿命预测

• 作者: 何攀 刘才学 刘波 宁芊 艾琼
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 性能退化 剩余寿命预测 特征提取 连续型隐马尔可夫模型 逻辑回归
• 年，卷（期）: 2019,（z1）
• 所属期刊栏目: 人工智能
• 页码范围: 31-35
• 页数: 5页
• 分类号: TP206.3
• 字数: 4446字
• 语种: 中文

摘要

为了准确识别轴承当前所处的退化状态,并进一步精确有效地预测其剩余寿命,提出一种基于连续型隐马尔可夫模型(CHMM)与PSO-SVM相结合的预测方法.首先,提取轴承振动全寿命周期信号的时域、频域、时频域的特征,并构建特征空间;然后,利用CHMM将轴承全寿命周期划分若干个退化阶段,并通过选取不同阶段的特征训练样本,采用PSO-SVM进行预测模型的训练,分别得到不同阶段的剩余寿命预测模型;最后,运用滚动轴承全寿命数据对所提方法进行测试,并与全寿命周期数据CHMM分区段后的SVM模型和未分区段的PSO-SVM模型的预测方法作对比.实验结果表明该方法能有效提高预测精度,具有一定的实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘波	四川大学电子信息学院	71	531	12.0	21.0
2	刘才学		37	116	7.0	9.0
3	宁芊	四川大学电子信息学院	60	414	10.0	18.0
5	何攀		20	41	4.0	5.0
6	艾琼		9	14	3.0	3.0