為提高軸承剩余使用壽命預(yù)測精度,提出了一種基于IMFOA-SVR的軸承剩余使用壽命預(yù)測方法。首先,設(shè)計了一種三維自適應(yīng)果蠅優(yōu)化算法,提高了果蠅搜索空間維度與味道濃度判定值精度,搜索步長隨進化信息自適應(yīng)動態(tài)調(diào)整,能夠有效克服局部最優(yōu),加快收斂效率;其次,將設(shè)計算法應(yīng)用于支持向量回歸參數(shù)優(yōu)化,并利用該模型進行軸承剩余使用壽命預(yù)測;最后,仿真實驗結(jié)果表明,文章提出方法與FOA-SVR、LGMS-FOA-SVR、MFOA-SVR、IFOA-SVR相比,具有較高的預(yù)測效率和預(yù)測精度。 

【文章頁數(shù)】：4 頁

【文章目錄】：
0 引言
1 三維自適應(yīng)果蠅優(yōu)化算法
    1.1 果蠅優(yōu)化算法
    1.2 IMFOA算法設(shè)計
2 基于IMFOA-SVR軸承剩余使用壽命預(yù) 測模型
    2.1 退化特征選擇
    2.2 IMFOA-SVR模型
        2.2.1 SVR模型
        2.2.2 IMFOA-SVR模型流程選
3 實驗結(jié)果與分析
    3.1 實驗環(huán)境
    3.2 IMFOA算法性能測試
    3.3 IMFOA-SVR模型性能測試
4 結(jié)論


【參考文獻】：
期刊論文
[1]深度學習在設(shè)備故障預(yù)測與健康管理中的應(yīng)用[J]. 陳志強,陳旭東,José Valente de Olivira,李川.  儀器儀表學報. 2019(09)
[2]基于FOA-SVR模型的礦井底板突水量預(yù)測應(yīng)用研究[J]. 劉夢杰,朱希安,王占剛.  中國礦業(yè). 2019(05)
[3]煤層底板破壞深度預(yù)測的GRA-FOA-SVR模型[J]. 趙云平,邱梅,劉緒峰,施龍青.  中國科技論文. 2018(03)

碩士論文
[1]基于機器學習的工業(yè)故障預(yù)測與健康管理關(guān)鍵技術(shù)的研究[D]. 高月.北京郵電大學 2019



本文編號：3651454