论文部分内容阅读
故障特征提取是轴承健康状态描述的关键,然而当前常用方法提取的特征往往维数较高或信息缺失,无法单调性地反应轴承健康状态,且预测结果不能有效反应轴承退化趋势。应用累积马氏距离(MD-CUSUM)实现特征降维并得到健康指标(HI),能够在低维层面上单调性地反应轴承健康状态;构建时滞性支持向量回归(TD-SVR)模型,提高滚动轴承健康状态预测精度。通过试验数据分析对比了MD-CUSUM与等距特征映射(ISOMAP)的优劣,结果表明MD-CUSUM和TD-SVR相结合在轴承健康状态预测方面具有更好地效果。