10.3969/j.issn.1001-3881.2015.13.040
主成分分析和小波神经网络在气缸疲劳失效预测中的应用
对气缸疲劳失效的预测一方面可以为基于状态的维修(CBM)提供重要参考,保证系统可靠运行,另一方面可以在设计过程中针对性地提供所需的寿命值,防止气缸冗余设计.常用的基于失效样本的预测方法由于样本数据量相当有限使得所建立的预测模型不具有说服力.通过主成分分析法(PCA)和小波神经网络(WNN)建立了一种失效预测方法,并将其运用于气缸性能失效的预测.利用主成分分析法处理气缸运行过程中监测得到的多维性能参数,在保留信息完整性的条件下选择出尽量少的主成分.对样本数据进行合理分组作为小波神经网络的输入.采用遗传算法(GA)来获取小波神经网络的初始权值和阈值;对小波神经网络进行训练和测试,完成对气缸性能失效预测;实验结果表明这种方法在气缸的疲劳失效预测方面具有令人满意的效果.
主成分分析、小波神经网络、气缸、性能参数、失效预测
43
TH17;TH138.5
国家自然科学基金青年科学基金资助项目51205045
2015-09-22(万方平台首次上网日期,不代表论文的发表时间)
共5页
167-171