基于VPMELM的滚动轴承劣化状态辨识方法

摘要：

针对变量预测模型模式识别方法(VPMCD)仅仅包含几种简单数学模型的问题,所建立的预测模型不足以反映特征值之间的复杂关系;极限学习机(ELM)回归模型是一种复杂且被广泛应用的模型,其模型可以反映特征之间的相互关系.结合极限学习机回归模型和VPMCD方法的优点,提出了一种基于极限学习机的变量预测模型(VPMELM)模式识别方法,并将该方法应用于滚动轴承劣化状态实验中.实验表明,基于VPMELM的辨识方法可以有效地对滚动轴承的劣化状态进行识别.

关键词：极限学习机、变量预测模式识别方法、基于极限学习机的变量预测模型、滚动轴承

所属期刊栏目：36

分类号：TH113

资助基金：国家自然科学基金51505002;安徽高校自然科学研究项目资助2015A080

在线出版日期：2017-09-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：57-61