[發明專利]一種自適應多核組合相關向量機的滾動軸承壽命預測模型

有效

• 申請號: 201510035488.6
• 申請日: 2015-01-22
• 公開（公告）號: CN104598736B
• 公開（公告）日: 2017-06-20
• 發明（設計）人: 雷亞國;林京;陳吳;李乃鵬
• 申請（專利權）人: 西安交通大學
• 主分類號: G06F17/50
• 分類號: G06F17/50
• 代理公司: 西安智大知識產權代理事務所61215
• 代理人: 賀建斌

1.一種自適應多核組合相關向量機的滾動軸承壽命預測模型，其特征在于，包括以下步驟：

1)利用加速度傳感器采集滾動軸承運行原始信號；

2)從原始信號中提取特征指標并進行預處理；

3)依據特征指標的趨勢特性，初步選擇或構建m個單一核函數，形成單一核函數集，用于構建組合核函數；

4)運用粒子濾波產生組合核函數權重粒子，形成組合核函數權重矩陣其中每一個組合核函數權重向量w_i：

$w_i={\[w_i^1,w_i^2,....w_i^{m-1},w_i^m\]}^T,i=1,2,...,n$

式中，為第i個組合核函數中第j個單一核函數的權重，然后將每一個組合核函數權重向量w_i歸一化：

${\tilde{w}}_i^j=w_i^j/\underset{j=1}{\overset{m}{\Σ}}{w}_i^j,i=1,2,...,n$

將歸一化后的組合核函數權重矩陣和和單一核函數集相乘，得到組合核函數集：

$K_i=\underset{j=1}{\overset{m}{\Σ}}{\tilde{w}}_i^j{K}^j,i=1,2,...,n$

式中，K_i,i＝1,2,…,n為第i個組合核函數核矩陣，K^j,j＝1,2,…,m為單一核函數核矩陣；

5)運用組合核函數集建立多核組合相關向量機模型集，并使用訓練集數據訓練各個模型，每一組合核函數相關向量模型即為一個模型粒子，每個模型粒子初始權值均為為第1次遞推時第i個多核組合相關向量機模型的權值；

6)使用訓練好多核組合相關向量機模型集中每一模型分別對訓練集中的每一個點進行迭代預測，獲取第h次遞推時的預測值向量，h＝1,2,……,H：

$y_h^{\′}=\[{\left(y_h^1\right)}^{\′},{\left(y_h^2\right)}^{\′},...,{\left(y_h^n\right)}^{\′}\]$

7)依據第h次遞推時的迭代預測值向量和真實值y_h，使用概率密度函數更新每個多核組合相關向量機模型的權值然后進行歸一化：

${\tilde{v}}_h^i=v_h^i/\underset{i=1}{\overset{n}{\Σ}}{v}_h^i,h=1,2,...,H$

8)根據步驟7)獲得歸一化后的模型粒子權值大小，對所有模型粒子進行重采樣，保留權值較大的模型粒子；當遞推次數h小于H之時，H為訓練樣本長度，h＝h+1，返回步驟6)，直至h＝H，則進行下一步；

9)經過不斷地遞推預測、更新模型粒子權值、重采樣模型粒子，模型粒子種類數目不斷減少，若最后只剩下一個模型粒子，即為篩選出來的最優多核組合相關向量機模型，若最后剩余模型粒子超過一個，則選擇權值最大的為最優組合函數相關向量機模型；

10)使用篩選出來的最優多核組合相關向量機模型進行預測，然后將預測的結果和真實值進行比較，做出預測效果評估。

2.根據權利要求1所述的一種自適應多核組合相關向量機的滾動軸承壽命預測模型，其特征在于：所述的步驟7)中的權值更新公式為：

$v_h^i=\frac{1}{\sqrt{2\mathrm{\π}}{\mathrm{\σ}}_v}{e}^{-\frac{1}{2}{\left(\frac{{\left(y_h^i\right)}^{\′}-y_h}{{\mathrm{\σ}}_v}\right)}^2}$

式中，表示第h次遞推時第i個多核組合相關向量機模型的權值，為第h次遞推時第i個多核組合相關向量機模型迭代預測值，y_h為第h次遞推時的真實值。