作者:林义鹏; 廖爱华; 丁亚琦最小二乘支持向量机模型鲸鱼优化算法反向学习滚动轴承
摘要:为了更加准确的预测滚动轴承性能退化趋势,针对最小二乘支持向量机模型中参数选择盲目的问题,利用鲸鱼优化算法对最小二乘支持向量机模型(WOA-LSSVM)参数进行寻优.引入反向学习算法,有效提高标准WOA算法中初始群体位置的质量,更易找到最优解,从而提高WOA算法的收敛精度和收敛速度.然后采用实测滚动轴承全寿命实验数据进行仿真,选择PCA第一主成分作为特征指标的最小二乘支持向量机模型预测滚动轴承退化趋势.结果表明基于反向学习的WOA-LSSVM模型与WOA-LSSVM模型、粒子群算法优化最小二乘支持向量机模型、交叉验证算法优化最小二乘支持向量机模型和固定参数的最小二乘支持向量机模型比较,具有更好的预测精度,可用于滚动轴承性能退化趋势预测.
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社