本文關鍵詞：基于VPMELM的滾動軸承劣化狀態(tài)辨識方法

  更多相關文章： 極限學習機 變量預測模式識別方法 基于極限學習機的變量預測模型 滾動軸承

【摘要】：針對變量預測模型模式識別方法(VPMCD)僅僅包含幾種簡單數學模型的問題,所建立的預測模型不足以反映特征值之間的復雜關系;極限學習機(ELM)回歸模型是一種復雜且被廣泛應用的模型,其模型可以反映特征之間的相互關系。結合極限學習機回歸模型和VPMCD方法的優(yōu)點,提出了一種基于極限學習機的變量預測模型(VPMELM)模式識別方法,并將該方法應用于滾動軸承劣化狀態(tài)實驗中。實驗表明,基于VPMELM的辨識方法可以有效地對滾動軸承的劣化狀態(tài)進行識別。
【作者單位】： 安徽工業(yè)大學機械工程學院;馬鞍山市安工大工業(yè)技術研究院工業(yè)機器人研究所;
【關鍵詞】： 極限學習機 變量預測模式識別方法 基于極限學習機的變量預測模型 滾動軸承
【基金】：國家自然科學基金(51505002) 安徽高校自然科學研究項目資助(2015A080)
【分類號】：TH133.33
【正文快照】： 當機械正常運行時,需要定期或者不定期進行檢修,目的就是為了避免事故的發(fā)生。但是有些零部件出現(xiàn)故障時,工作呈現(xiàn)正常狀態(tài),實際是安全隱患,需要及時排除。滾動軸承作為旋轉機械的主要零部件,其診斷也主要是對滾動軸承的滾動體、內圈和外圈故障等進行識別,而很少有對某一特定，

本文編號：765939