极限学习机在轴承故障预测中的应用
传统的BP神经网络需要人工设置参数,导致预测结果精度不高.为有效实现滚动轴承早期故障的预测,利用一种自优化的神经网络模型提出了一种基于极限学习机的故障预测方法实现对滚动轴承故障预测.首先,提取振动信号时域特征参数;其次,根据故障发生过程选取目标数据,并将其按照训练集和测试集的不同分为多组数据集;最后,采用极限学习机对轴承状态进行预测,取得了准确度较高的预测结果.通过与BP神经网络进行对比,验证了极限学习机在故障预测中的有效性和稳定性.
滚动轴承 故障预测 极限学习机 特征提取
齐放 王华庆
北京化工大学机电工程学院,北京100029
国内会议
2016年全国设备监测诊断与维护学术会议、第十五届全国设备故障诊断学术会议、第十七届全国设备监测与诊断学术会议、2016年全国设备诊断工程会议
西安
中文
323-325
2016-08-01（万方平台首次上网日期，不代表论文的发表时间）