科研之友
微信
新浪微博
Facebook
分享链接
摘要
为提高机电作动器的可维护性，提出了一种基于交叉验证-极限学习机(CV-ELM)的机电作动器故障预测方法。首先通过分析机电作动器模型，确定了轴承寿命是影响机动作动器寿命的重要因素。其次，针对传统ELM方法中参数随机选择导致的精度不高的问题，将交叉验证方法与ELM结合，并证明了改进ELM方法的有效性，给出了基于CV-ELM方法的故障预测流程；最后，基于轴承全寿命试验数据，通过与反向传播神经网络(BPNN)方法和支持向量回归(SVR)方法的对比仿真，验证了本文所提方法的快速性和有效性，为机电作动器的维护提供了数据参考和技术支撑。
-
单位自动化学院; 西北工业大学
