论文部分内容阅读
为了提高滚动轴承性能退化指标的预测精度,得到性能退化指标准确的预测范围,提出了基于分解-模糊粒化与优化极限学习机(Extreme Learning Machine,ELM)的轴承性能退化趋势模糊粒化预测。首先利用平滑先验分析提取轴承性能退化指标序列的趋势项及波动项,再利用信息粒化方法对波动项进行模糊信息粒化;然后将趋势项及粒化后的波动项数据输入至ELM进行回归预测,并采用粒子群算法优化ELM参数;最后根据实测值和预测值的对比分析评估预测模型的优良性。实验结果表明,该方法可以有效跟踪轴承性能退化指标的变化趋