论文部分内容阅读
将形态分形维数作为轴承故障预测特征量，形成轴承故障预测特征量序列。同时，为优化极限学习机（ELM）预测模型，综合考虑模型的精度、预测趋势及稳定性，提出一种序列关联度系数及其计算方法，对ELM预测模型进行优化，并利用提取的故障预测特征量序列对模型进行训练。用轴承全寿命数据进行验证，结果表明，形态分形维数的变化情况较好反映了轴承性能退化的过程，改进的ELM预测模型实现了对轴承故障的有效预测，且其精度及稳定性较原始ELM预测模型有一定提高。