版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、滾動(dòng)軸承作為旋轉(zhuǎn)機(jī)械中十分重要的零部件,在工程機(jī)械、航空航天等現(xiàn)代工業(yè)中得到了廣泛應(yīng)用。而在連續(xù)處于高負(fù)荷、變工況的運(yùn)行狀態(tài)下,滾動(dòng)軸承性能的不斷衰退易誘發(fā)整個(gè)設(shè)備系統(tǒng)故障的產(chǎn)生與惡化,導(dǎo)致不同程度的經(jīng)濟(jì)損失、環(huán)境污染甚至是人員傷亡。因此滾動(dòng)軸承的運(yùn)行狀態(tài)對(duì)設(shè)備的安全運(yùn)行具有重要影響,針對(duì)其的狀態(tài)監(jiān)測(cè)和故障趨勢(shì)預(yù)測(cè)具有重大意義。本文以滾動(dòng)軸承為研究對(duì)象,通過(guò)采集振動(dòng)信號(hào),提取時(shí)域、頻域、時(shí)頻域特征變量,圍繞LS-SVM及改進(jìn)模型進(jìn)行了故
2、障趨勢(shì)預(yù)測(cè)方法研究與分析,與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)進(jìn)行對(duì)比,LS-SVM及改進(jìn)模型在趨勢(shì)預(yù)測(cè)中具有更高的預(yù)測(cè)精度,具體內(nèi)容如下:
(1)針對(duì)傳統(tǒng)LS-SVM單步預(yù)測(cè)模型預(yù)測(cè)時(shí)間短,無(wú)法得到足夠的未來(lái)發(fā)展趨勢(shì)等問(wèn)題,提出了基于迭代更新的多步預(yù)測(cè)模型。在傳統(tǒng)LS-SVM單步預(yù)測(cè)模型的基礎(chǔ)上,利用預(yù)測(cè)值重新構(gòu)造訓(xùn)練樣本對(duì),同時(shí)引入迭代更新算法,利用預(yù)測(cè)值對(duì)模型參數(shù)重新優(yōu)化修正,實(shí)現(xiàn)模型的不斷更新,能夠有效降低誤差累積導(dǎo)致的預(yù)測(cè)精度下降等問(wèn)題。
3、以滾動(dòng)軸承振動(dòng)信號(hào)為研究對(duì)象,對(duì)比傳統(tǒng)預(yù)測(cè)方法,驗(yàn)證了提出方法的有效性。
(2)針對(duì)單變量預(yù)測(cè)結(jié)構(gòu)簡(jiǎn)單、信息匱乏,不能充分描述軸承退化性能等缺點(diǎn),提出了一種提出基于時(shí)移的多變量LS-SVM。模型結(jié)合傳統(tǒng)多變量預(yù)測(cè)模型和嵌入理論,在樣本對(duì)中加入了不同時(shí)間切片下的狀態(tài)信息,更加深入地挖掘樣本信息。同時(shí)引入移動(dòng)窗口對(duì)模型進(jìn)行更新,提高了模型處理非線性、非平穩(wěn)問(wèn)題的能力。通過(guò)仿真分析和軸承預(yù)測(cè)實(shí)驗(yàn)驗(yàn)證了方法的有效性。
(3)
4、針對(duì)實(shí)際時(shí)間序列中存在的時(shí)間累積效應(yīng),進(jìn)一步提高預(yù)測(cè)模型對(duì)實(shí)際問(wèn)題的適應(yīng)能力以及預(yù)測(cè)精度,結(jié)合過(guò)程LS-SVM和時(shí)移多變量預(yù)測(cè),提出了過(guò)程時(shí)移多變量LS-SVM預(yù)測(cè)模型,通過(guò)在核函數(shù)中引入積分算子實(shí)現(xiàn)時(shí)間聚合運(yùn)算,為簡(jiǎn)化運(yùn)算,引入正交基函數(shù)對(duì)系統(tǒng)輸入進(jìn)行正交展開(kāi)。與傳統(tǒng)多變量預(yù)測(cè)方法進(jìn)行對(duì)比,綜合比較了模型預(yù)測(cè)效果。
本文以LS-SVM為基礎(chǔ),提出了多種改進(jìn)方法,并利用滾動(dòng)軸承振動(dòng)信號(hào)進(jìn)行實(shí)驗(yàn)驗(yàn)證,結(jié)果表明本文提出方法能夠有效
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于LS-SVM的再熱汽溫系統(tǒng)建模及趨勢(shì)預(yù)測(cè).pdf
- 基于LS-SVM的復(fù)雜工業(yè)過(guò)程故障診斷方法研究.pdf
- 基于LS-SVM的時(shí)間序列預(yù)測(cè)方法及其應(yīng)用研究.pdf
- 基于LS-SVM的電力變壓器故障診斷與預(yù)測(cè)研究.pdf
- 基于LS-SVM的軟測(cè)量建模方法研究.pdf
- 基于LS-SVM的非線性預(yù)測(cè)控制研究.pdf
- 基于多核模糊LS-SVM的廣義預(yù)測(cè)控制.pdf
- 基于K-means聚類(lèi)的LS-SVM短期負(fù)荷預(yù)測(cè)方法研究.pdf
- 基于LS-SVM模型的證券價(jià)格可預(yù)測(cè)性研究.pdf
- 基于PCA優(yōu)化LS-SVM的電梯故障診斷研究.pdf
- 基于LS-SVM的入侵檢測(cè).pdf
- 基于LS-SVM的圍巖位移非線性預(yù)測(cè)應(yīng)用研究.pdf
- 基于LS-SVM的工業(yè)過(guò)程軟測(cè)量建模方法研究.pdf
- 基于人工蜂群優(yōu)化LS-SVM短期負(fù)荷預(yù)測(cè)研究.pdf
- 基于LS-SVM在線模型的非線性預(yù)測(cè)控制研究.pdf
- 基于LS-SVM的半圓拱形巷道無(wú)線信道建模與預(yù)測(cè).pdf
- 基于LS-SVM對(duì)耐高溫濾料過(guò)濾效率的預(yù)測(cè)研究.pdf
- 基于LS-SVM和IMF能量矩的配電網(wǎng)故障區(qū)段定位方法.pdf
- 基于LS-SVM目標(biāo)識(shí)別的研究.pdf
- 基于LS-SVM的軟測(cè)量建模方法的應(yīng)用研究.pdf
評(píng)論
0/150
提交評(píng)論