采用EEMD-KPCA处理的IHHO-LSSVM滚动轴承寿命预测模型

摘要：

为提高滚动轴承剩余寿命预测精度,提出一种基于集合经验模态分解-核主成分分析(EEMD-KPCA)和改进的哈里斯鹰优化-最小二乘支持向量机(IHHO-LSSVM)的滚动轴承剩余寿命预测模型.首先,使用集合经验模态分解方法对原信号进行分解,根据相关系数和峭度值选取合适的本征模态函数进行重构;然后,提取时域、频域、小波包能量谱等指标,并用核主成分分析,选取累计贡献率大于85％的主成分作为轴承退化性能指标;建立最小二乘支持向量机寿命预测模型,针对模型参数,提出一种改进的哈里斯鹰优化算法,并在新算法基础上设计新的能量周期性递减调控机制.采用轴承全寿命实验数据进行验证,结果表明:该方法提取的轴承性能评估指标能够更全面地表征轴承性能退化情况,建立的模型具有良好的预测效果.

关键词：滚动轴承、剩余寿命预测、集合经验模态分解、哈里斯鹰优化算法、最小二乘支持向量机、核主成分分析

所属期刊栏目：43

分类号：TH133.33;TP18

在线出版日期：2022-03-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：145-153