基于PLS-ELM的滚动轴承性能衰退预测

作     者：王亚萍 周蓓 白健弘 田卫明 葛江华 WANG Yaping;ZHOU Bei;BAI Jianhong;TIAN Weiming;GE Jianghua

作者机构：哈尔滨理工大学先进制造智能化技术教育部重点实验室哈尔滨150080 北京理工大学信息与电子学院北京100081 

出 版 物：《振动．测试与诊断》 (Journal of Vibration,Measurement & Diagnosis)

年 卷 期：2020年第40卷第2期

页      面：397-404,424页

核心收录：

学科分类：0711[理学-系统科学] 07[理学] 080202[工学-机械电子工程] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 0802[工学-机械工程] 

基　　金：国家自然科学基金资助项目(51575143) 黑龙江省自然科学基金资助项目(E2018046) 

主　　题：滚动轴承 正态分布-经验小波变换 偏最小二乘法的极限学习机 性能衰退预测 

摘      要：针对传统极限学习机预测滚动轴承故障时,存在信号模式混叠、人为参数选取造成预测精度低下的问题,提出了正态分布-经验小波变换变换结合偏最小二乘法的极限学习机(partial least squares-extreme learning machines,简称PLS-ELM)的故障预测方法。首先,提出正态分布经验小波变换信号降噪方法,通过正态分布划分频率带界限,在各频率带上构建带通滤波器进行降噪;其次,提出PLS-ELM的故障预测方法,应用偏最小二乘法(partial least squares,简称PLS)中主成分数和加载权重分别改进极限学习机(extreme learning machines,简称ELM)隐含层节点数和网络权值,激活函数选取Softmax以提高数据的拟合精度;最后,应用无量纲指标峭度来反映故障程度,实现故障趋势预测。试验结果表明,该方法能够准确划分频谱和克服模式混叠等问题,并实现滚动轴承性能衰退趋势预测。