公开(公告)号：CN111597651A

公开(公告)日：2020-08-28

申请号：CN202010363430.5

申请日：2020-04-30

Applicant: 上海工程技术大学

Inventor： 廖爱华 ,  吴义岚 ,  丁亚琦 ,  周炯 ,  余佑民

IPC: G06F30/17 ,  G06F30/20 ,  G06K9/62 ,  G06N3/00 ,  G01M13/045 ,  G06F119/04

Abstract: 本发明涉及一种基于HWPSO-SVDD模型的滚动轴承性能退化评估方法，包括以下步骤：S1：获取正常滚动轴承振动信号的特征指标，通过PCA算法得到融合特征指标，建立训练样本；S2：利用HWPSO优化算法对SVDD模型的惩罚参数C和核参数δ进行寻优；S3：利用寻优得到的惩罚参数C和核参数δ，构建HWPSO-SVDD模型；S4：将训练样本输入HWPSO-SVDD模型进行模型训练，得到训练完成的性能退化评估模型；S5：获取待测滚动轴承振动信号的融合特征指标，利用训练完成的性能退化评估模型，计算得到待测滚动轴承的性能退化指标Vc值；S6：设置自适应报警阈值，当Vc值超过自适应报警阈值时，对轴承的早期退化状态做出预警，本发明具有提高预测准确性和鲁棒性等优点。

公开(公告)号：CN111597651B

公开(公告)日：2023-05-02

申请号：CN202010363430.5

申请日：2020-04-30

Applicant: 上海工程技术大学

Inventor： 廖爱华 ,  吴义岚 ,  丁亚琦 ,  周炯 ,  余佑民

IPC: G06F30/17 ,  G06F30/20 ,  G06F18/2135 ,  G06F18/25 ,  G06N3/006 ,  G01M13/045 ,  G06F119/04

Abstract: 本发明涉及一种基于HWPSO‑SVDD模型的滚动轴承性能退化评估方法，包括以下步骤：S1：获取正常滚动轴承振动信号的特征指标，通过PCA算法得到融合特征指标，建立训练样本；S2：利用HWPSO优化算法对SVDD模型的惩罚参数C和核参数δ进行寻优；S3：利用寻优得到的惩罚参数C和核参数δ，构建HWPSO‑SVDD模型；S4：将训练样本输入HWPSO‑SVDD模型进行模型训练，得到训练完成的性能退化评估模型；S5：获取待测滚动轴承振动信号的融合特征指标，利用训练完成的性能退化评估模型，计算得到待测滚动轴承的性能退化指标Vc值；S6：设置自适应报警阈值，当Vc值超过自适应报警阈值时，对轴承的早期退化状态做出预警，本发明具有提高预测准确性和鲁棒性等优点。