科研之友
微信
新浪微博
Facebook
分享链接
摘要
接触疲劳是轴承、齿轮等基础零部件失效的主要原因之一。针对现有的接触疲劳寿命预测模型应用局限性较大，难以处理海量、高维数据等问题，文中研究基于数据驱动技术的接触疲劳剩余寿命预测模型。首先，综合考虑相关性、单调性和鲁棒性3个评价指标，构建了退化敏感特征选取函数，通过多目标优化实现了与接触疲劳剩余寿命相关性最强的特征子集的自动选取；其次，为实现基于Spark的并行化计算，着重从模型结构设计、学习率算法、弱化权重作用、并行化策略等方面对BP神经网络模型进行了有效改进，构建了Spark平台下基于优化BP神经网络的接触疲劳剩余寿命预测模型。公开数据集验证结果表明：基于多评价指标的退化敏感特征选取方法是可行的，所构建的接触疲劳剩余寿命预测模型是有效的。研究成果对于探索大数据背景下寿命预测的方法与途径具有一定的参考意义。
- 单位
