基于组合模型的滚动轴承故障预测研究

作者：颉潭成; 张凯; 马君达; 徐彦伟

来源：机械设计与制造, 2019, (01): 36-39.

DOI：10.19356/j.cnki.1001-3997.2019.01.010

• 故障预测
• 灰色GM(1,1)
• BP神经网络
• 遗传算法
• 组合模型

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%。

• 单位
  河南科技大学; 机电工程学院