论文部分内容阅读
为了提高现代制造业设备的可靠性和高效性,轴承剩余使用寿命(RUL)的预测已经成为越来越重要的研究方向。提出一种基于人工神经网络(ANN)和支持向量机(SVM)的轴承剩余使用寿命预测方法。该方法首先将获取的18维反映轴承衰退的时域特征和频域特征输入到ANN模型中做特征抽取,再将输出的18维特征向量作为SVM模型的输入,进而对轴承剩余使用寿命进行预测。基于ANN和SVM融合模型方法是结合了ANN基于数据的强大特征学习能力和SVM处理小数据集的优势。运用多组轴承衰退振动信号对模型进行验证,比较实验结果表明,相比