基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了提高现代制造业设备的可靠性和高效性,轴承剩余使用寿命(RUL)的预测已经成为越来越重要的研究方向.提出一种基于人工神经网络(ANN)和支持向量机(SVM)的轴承剩余使用寿命预测方法.该方法首先将获取的18维反映轴承衰退的时域特征和频域特征输入到ANN模型中做特征抽取,再将输出的18维特征向量作为SVM模型的输入,进而对轴承剩余使用寿命进行预测.基于ANN和SVM融合模型方法是结合了ANN基于数据的强大特征学习能力和SVM处理小数据集的优势.运用多组轴承衰退振动信号对模型进行验证,比较实验结果表明,相比于随机森林(RFR)模型、LASSO模型、SVM模型和ANN模型,基于ANN和SVM的轴承剩余使用寿命预测方法具有更高的预测精度.
推荐文章
管道剩余使用寿命的预测和评估
油气管道
剩余寿命
预测
评估
基于剩余使用寿命预测的替换时间和备件订购时间联合决策
预测维修
剩余使用寿命
联合决策
序贯决策
备件订购
基于IGA-MRVR的锂离子电池剩余使用寿命预测
电动汽车
锂电池
剩余使用寿命
多核相关向量回归算法
改进遗传算法优化
预测
基于改进支持向量回归的港机剩余使用寿命预测
支持向量回归(SVR)
剩余使用寿命
惩罚系数
预测精度
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于ANN和SVM的轴承剩余使用寿命预测
来源期刊 组合机床与自动化加工技术 学科 工学
关键词 ANN SVM 特征提取 剩余寿命预测
年,卷(期) 2021,(1) 所属期刊栏目 设计与研究
研究方向 页码范围 32-35
页数 4页 分类号 TH165.3|TG506
字数 语种 中文
DOI 10.13462/j.cnki.mmtamt.2021.01.008
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (15)
共引文献  (99)
参考文献  (7)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(3)
  • 参考文献(1)
  • 二级参考文献(2)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(2)
  • 参考文献(1)
  • 二级参考文献(1)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
ANN
SVM
特征提取
剩余寿命预测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
组合机床与自动化加工技术
月刊
1001-2265
21-1132/TG
大16开
大连市沙河口区新生路80号504室
8-62
1959
chi
出版文献量(篇)
9363
总下载数(次)
11
总被引数(次)
54585
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导