| 基于混沌理论的滚动轴承振动信号融合模型预测 |
| |
| 引用本文： | 孟凡念,杜文辽,李浩.基于混沌理论的滚动轴承振动信号融合模型预测[J].航空动力学报,2020,35(8):1664-1675. |
| |
| 作者姓名： | 孟凡念 杜文辽 李浩 |
| |
| 作者单位： | 郑州轻工业大学机电工程学院河南省机械装备智能制造重点实验室,郑州450002,郑州轻工业大学机电工程学院河南省机械装备智能制造重点实验室,郑州450002,郑州轻工业大学机电工程学院河南省机械装备智能制造重点实验室,郑州450002,郑州轻工业大学机电工程学院河南省机械装备智能制造重点实验室,郑州450002,郑州轻工业大学机电工程学院河南省机械装备智能制造重点实验室,郑州450002,郑州轻工业大学机电工程学院河南省机械装备智能制造重点实验室,郑州450002 |
| |
| 基金项目： | 国家自然科学基金（U1804141）； 河南省高校科技创新人才支持计划项目（17HASTIT028）；河南省机械装备智能制造重点实验室开放基金(IM201910)； 河南省科技攻关项目(202102210086) |
| |
| 摘 要： | 提出融合算法模型,在混沌理论的基础上对滚动轴承振动信号进行预测。基于相图法、最大Lyapunov指数法和关联维数法对滚动轴承振动信号进行混沌判别,证明其混沌性。以预测值和真值间差值范数最小为目标导向优化出Kriging模型、最小二乘支持向量机(LSSVM)模型和极端学习机(ELM)模型的权重,加权法构建融合算法模型。相空间重构法构建滚动轴承振动信号预测的训练样本,并对融合模型、Kriging模型、LSSVM模型和ELM模型进行训练,训练好的模型用于振动轴承振动信号混沌预测。以案例1和案例2共两个实验的滚动轴承振动信号为对象进行验证,两案例的最大Lyapunov指数大于0,从而判断这两个案例的轴承振动信号呈现混沌特性。另外,从方均误差、方均根误差和平均绝对误差指标来评价,融合算法模型的指标值均小于单一模型算法,融合算法模型的预测精度优于单一模型算法。
|
| 关 键 词： | 滚动轴承 融合模型 混沌预测 Kriging模型 LSSVM模型 ELM模型 |
| 收稿时间： | 2020/1/16 0:00:00 |
Fusion model prediction of rolling bearing vibration signal based on chaos theory, |
| |
| MENG Fannian,DU Wenliao,LI Hao.Fusion model prediction of rolling bearing vibration signal based on chaos theory,[J].Journal of Aerospace Power,2020,35(8):1664-1675. |
| |
| Authors: | MENG Fannian DU Wenliao LI Hao |
| |
| Abstract: | |
| |
| Keywords: | rolling bearing fusion model chaotic prediction Kriging model LSSVM model ELM model |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《航空动力学报》浏览原始摘要信息 |
| 点击此处可从《航空动力学报》下载免费的PDF全文 |
|
