徐 遥
(北京交通大学 电气工程学院,北京 100044)
灰色极限学习机在滚动轴承故障预测中的应用
徐 遥
(北京交通大学 电气工程学院,北京 100044)
针对较强噪声环境下的滚动轴承故障预测问题,为提高轴承故障预测的精度,提出并研究了一种新的滚动轴承预测技术;采用将灰色模型和极限学习机(ELM)相结合的方法,针对轴承运行状态值的非线性特点,先将样本数据进行灰色处理,解决数据的随机性和波动性问题,然后代入学习速度快,泛化精度高的ELM神经网络进行训练;在训练完毕后,对未来的轴承运行状态数据进行分析,将其与轴承设备的理论诊断标准相比较以达到故障预测的目的。
灰色理论;极限学习机;滚动轴承;故障预测
在旋转机械中,滚动轴承是一种使用极其广泛的易损机械零件,其运行状况往往能够直接影响到整个机械系统的正常运作,即便是出现一点小故障也极有可能造成重大事故。根据相关数据显示,有三成左右的旋转机械设备故障是由于滚动轴承造成的[1]。因此,识别滚动轴承运行状态是否正常,并根据反应运行态势的状态数据进行分析预测,对防止机械事故、确保机械设备正常运作都极为重要,同时也能避免和减少不必要的经济损失。在轴承的实际运行中,反应其工作状态的数据具有非线性和时变的特点[2],灰色理论则比较擅长处理这种类型的数据[3],波动和不规则的原始数据通过灰色理论的方法能演变成具有一定规律性的生成数列,在此基础上进行运算就可建立灰色预测模型对未态势进行预测[4]。……