摘要
本发明公开了一种基于混合降噪和MKRVM的滚动轴承可靠性评估与预测的方法,包括获取滚动轴承全寿命的振动信号数据,并使用固有时间尺度分解算法ITD和算术优化算法改进的最大峭度反卷积对振动信号进行混合降噪得到二次降噪的振动信号采用时域、频域和时频域三种特征提取方法分别对二次降噪的振动信号进行特征的提取,并将分别提取的特征构成特征向量集;采用堆叠自编码器降维方法和逻辑回归可靠性评估模型,得到评估当前轴承的可靠性曲线;将特征向量集输入构建混合核相关向量机的轴承可靠性预测模型,对轴承退化特征进行预测得到预测的退化特征;将预测的退化特征嵌入逻辑回归可靠性评估模型中,得到精度更高的轴承可靠性预测曲线。
技术关键词
滚动轴承可靠性
退化特征
混合核函数
复合多尺度
皮尔逊相关系数
特征提取方法
信号
降维方法
分解算法
非线性映射关系
协方差矩阵
频域特征
超参数
逻辑
梯度下降法
时域特征
曲线
迭代算法
系统为您推荐了相关专利信息
XGBoost模型
母线负荷预测方法
历史负荷数据
气象站
皮尔逊相关系数
匹配推荐方法
贪婪算法
RFM模型
数据采集集群
匹配推荐系统
表面缺陷在线检测系统
三维表面信息
三维表面特征
PVC灯箱布
缺陷类别
退役动力电池
分类方法
SVR模型
阻抗特征
皮尔逊相关系数