基于MDS-GA-SVR的电动汽车减速器性能退化预测方法研究

摘要：

针对电动汽车减速器性能退化预测方法难以充分挖掘退化信息,导致预测精度低的问题,提出了 一种联合多维尺度(Multiple Dimensional Scale,MDS)变换和遗传算法优化支持向量回归(Ge-netic Algorithm opitimized Support Vector Regression,GA-SVR)进行性能退化预测建模方法.通过时域、频域、时频域特征提取方法对减速器的振动信号进行处理,利用MDS算法建立了综合退化特征指标;以信号特征指标与综合性能退化指标作为训练与预测数据集,利用遗传算法确定最优惩罚参数C和核参数g并构建SVR模型;通过试验获得了减速器的寿命数据,并利用所提方法建立了高精度的性能退化模型.结果表明,本文所提模型的预测精度均高于PSO-SVR、GS-SVR以及反向传播(Back Propagation,BP)神经网络预测模型,均方根误差值分别降低了 50.63％、75.35％、84.73％,确定系数R2分别提高了 3.93％、6.51％、9.51％,证明了所提方法的优越性.

关键词：电动汽车减速器、多维尺度变换、遗传算法、支持向量回归、退化趋势预测

所属期刊栏目：48

分类号：TP391.41;O157.5;TE973

资助基金：浙江省市场监管新能源汽车驱动系统重点实验室开放课题;国家自然科学基金;浙江省高层次人才特殊支持计划科技创新领军人才项目

在线出版日期：2024-01-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：135-142