EEMD 相空间重构的 RBF 网络模型在密封式电磁继电器贮存寿命预测中的应用

摘要：

多数用于航天、国防的密封式电磁继电器长期处于贮存状态，为保证其寿命剖面各阶段始终保持在备用激活状态，有必要对继电器贮存寿命进行准确预测。以密封式电磁继电器的触点接触压降为研究对象，采用集合经验模态分解（EEMD）和相空间重构理论对信号进行处理，建立分解序列的 RBF 神经网络预测模型，根据接触压降的预测值实现继电器的贮存寿命预测。预测结果表明，该方法具有较高的预测精度。

关键词：接触压降、集合经验模态分解、相空间重构、RBF 神经网络、贮存寿命

分类号：TM581(电器)

资助基金：国家自然科学基金项目51377044；河北省高等学校创新团队领军人才培育计划LJRC003

在线出版日期：2015-10-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1-6