论文摘要
针对轴承故障预测可使用的样本数据少、特征参数信息贫乏且呈现非线性、不确定性等特点,提出一种基于改进灰色GM(1,1)和遗传算法优化的BP神经网络的组合预测模型。首先,根据各单一模型在当前时段的预测误差,通过最小二乘法确定出在未来时段中两种单一模型的权重,然后将预测结果进行加权求和,得到最终的组合模型预测值。该模型既能实现灰色GM(1,1)模型处理小样本的轴承振动数据预测的目标,也能发挥BP神经网络解决非线性拟合问题的优势。最后,将组合模型与各单一模型进行实例数据分析,结果表明组合模型的预测精度为96.63%,比上述子模型的预测结果分别提高了7.84%和6.13%。
论文目录
文章来源
类型: 期刊论文
作者: 颉潭成,张凯,马君达,徐彦伟
关键词: 故障预测,灰色,神经网络,遗传算法,组合模型
来源: 机械设计与制造 2019年01期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 机械工业,自动化技术
单位: 河南科技大学机电工程学院
基金: 国家自然科学基金(51305127),河南省教育厅科学技术研究重点项目(14A460018),河南科技大学青年科学基金资助项目(2012QN024)
分类号: TP18;TH133.33
DOI: 10.19356/j.cnki.1001-3997.2019.01.010
页码: 36-39
总页数: 4
文件大小: 246K
下载量: 257