基于时频特征和PSO-SVR模型的零部件剩余寿命分析

作者：武滢; 舒启林

来源：组合机床与自动化加工技术, 2021, (05): 5-9.

DOI：10.13462/j.cnki.mmtamt.2021.05.002

• 时频分析
• 经验模态分解
• 支持向量机
• 粒子群算法
• 剩余寿命

针对数据驱动的机械零部件剩余寿命预测问题,提出了基于信号数据时频特征向量和粒子群优化支持向量机回归模型(PSO-SVR)的预测方法。首先,对采集的全寿命周期信号数据进行时域分析和经验模态分解(EMD),根据皮尔逊相关系数,分别对时域特征向量和各IMF分量进行筛选,构造多变量时频特征向量;其次,基于PSO-SVR理论建立信号时频特征和剩余寿命之间的回归模型;最后,利用数采设备采集某卧式加工中心X轴丝杠全寿命周期电流信号并记录剩余寿命数据。按照提出的方法建立预测模型,对比SVR模型和BP神经网络模型,结果显示应用所提出的方法预测丝杠的剩余寿命,准确率更高、泛化能力更好。

• 单位
  沈阳理工大学