一种基于特征聚类和评价的轴承寿命预测新方法

摘要：

在预测轴承寿命时,使提取的特征和剩余寿命保持高相关性,并使不同的特征之间保持低相关性,是有利于提升轴承寿命预测精度的.为解决单一的特征评价方法对后者考虑不足的问题,提出了一种基于相关性改进Kmeans聚类算法(correlation-based improved Kmeans cluster algorithm,Corr-Kmeans)和初始聚类中心确定方法,并与特征评价相结合,最终提出一种基于特征聚类和评价的轴承寿命预测新方法.首先利用卷积自编码对频域信息提取初始特征,用Corr-Kmeans对初始特征按相关性进行聚类,使得聚类后的特征类内相关性高,而类间相关性低;其次,使用相关性、单调性和鲁棒性3个指标来综合评价每一类中的特征,按照筛选阈值将得分较高的特征从每一类中分别选出,组成用于训练与预测的特征子集;最后采用LSTM(long short-term memory,LSTM)网络对轴承剩余寿命进行预测.在一个轴承加速寿命试验的公开数据集上使用留一法进行验证,利用对比试验证明了该方法在预测轴承剩余寿命上的有效性.

关键词：轴承;寿命预测;相关性改进Kmeans聚类算法(Corr-Kmeans);聚类;特征评价

所属期刊栏目：41

分类号：TH17

资助基金：国家重点研发计划;重庆市教委科学技术研究项目

在线出版日期：2022-03-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：141-150