为解决混凝土泵车砼活塞因无法实现预防性更换而经常导致非计划停机的问题,提出一套基于状态监测数据的砼活塞剩余寿命预测方法。由于状态监测数据是多变量、非线性的多源异构数据,且数据量较小,不能主观确定一种合适的预测算法,因此选用lightgbm、SVR和BP神经网络3种非线性回归算法分别建立了剩余寿命预测模型,对比了各模型预测误差,并使用了模型融合的方法,实现了较高的预测精度。最后对剩余寿命区间进行了预测误差分析,分析结果能够为砼活塞的预防性更换计划提供决策支持。
科研之友
微信
新浪微博
Facebook
分享链接
