基于粒子群优化SVDD的剩余寿命预测方法
针对工业设备关键部件的故障预测问题,本文提出了一种基于粒子群优化支持向量数据描述(PSO-SVDD)的剩余寿命预测方法.首先利用小波包分解(WPD)从历史传感器状态监测数据中提取特征向量;然后通过粒子群优化算法(PSO)选择合适的核函数参数,进而利用特征向量训练SVDD模型,得到可以描述设备部件退化程度的超球面;最后通过待测样本点和SVDD超球面信息计算退化指数(DI),确定目标部件的健康状态并预测其剩余寿命.通过FEMTO-ST研究院提供的轴承加速寿命实验数据进行实验,验证了本文所提出剩余寿命预测方法的有效性.
工业设备 故障预测 剩余寿命 支持向量数据描述 粒子群优化
武千惠 黄必清
清华大学自动化系,北京100084
国内会议
广东佛山
中文
1-12
2016-09-26（万方平台首次上网日期，不代表论文的发表时间）