基于组合核函数O SVR算法的起重机减速齿轮箱磨损趋势预测

摘要：

针对起重机减速齿轮箱的磨损过程具有非线性与时变性,传统磨损趋势预测方法无法有效兼顾预测精度与执行效率的问题,提出了一种基于组合核函数的在线支持向量机回归(online support vector regression,OSVR)预测算法。OSVR的在线学习算法能够适应时间序列的时变性并提高执行效率,同时可利用不同的核函数性能,通过组合模型提高预测精度。采用实际齿轮箱铁谱数据对预测算法进行验证,结果表明,基于组合核函数的 OSVR预测算法具有很好的预测精度和适应性,能有效预测起重机齿轮箱的磨损故障,且相比于单一 OSVR 算法和灰色神经网络组合算法有更高的效率和预测精度。

关键词：齿轮箱、磨损趋势预测、在线支持向量机回归、核函数

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金资助项目51275245,61374133

在线出版日期：2015-03-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：641-646