[发明专利]一种自适应多核组合相关向量机的滚动轴承寿命预测模型

摘要

一种自适应多核组合相关向量机的滚动轴承寿命预测模型，首先利用粒子滤波初始化组合核函数权重矩阵，获得组合核函数集，然后建立多核组合相关向量机集，接着经过迭代预测、权值更新和重采样过程自适应获得最优多核组合相关向量机模型，最后利用其预测滚动轴承的运行状态和剩余寿命，本发明获得的多核组合相关向量机模型自适应地融合了多个单一核函数的优良特性，降低了单一核函数相关向量机模型对参数的依赖性，提高了预测精度，预测的稳定性更好，模型的鲁棒性更强，具有较好的工程应用价值。

主权项

一种自适应多核组合相关向量机的滚动轴承寿命预测模型，其特征在于，包括以下步骤：1)利用加速度传感器采集滚动轴承运行原始信号；2)从原始信号中提取特征指标并进行预处理；3)依据特征指标的趋势特性，初步选择或构建m个单一核函数，形成单一核函数集，用于构建组合核函数；4)运用粒子滤波产生组合核函数权重粒子，形成组合核函数权重矩阵其中每一个组合核函数权重向量wi：wi=[wi1,wi2,....wim-1,wim]T,i=1,2,...,n]]>式中，为第i个组合核函数中第j个单一核函数的权重，然后将每一个组合核函数权重向量wi归一化：w~ij=wij/Σj=1mwij,i=1,2,...,n]]>将归一化后的组合核函数权重矩阵和和单一核函数集相乘，得到组合核函数集：Ki=Σj=1mw~ijKj,i=1,2,...,n]]>式中，Ki,i＝1,2,…,n为第i个组合核函数核矩阵，Kj,j＝1,2,…,m为单一核函数核矩阵；5)运用组合核函数集建立多核组合相关向量机模型集，并使用训练集数据训练各个模型，每一组合核函数相关向量模型即为一个模型粒子，每个模型粒子初始权值均为为第1次递推时第i个多核组合相关向量机模型的权值；6)使用训练好多核组合相关向量机模型集中每一模型分别对训练集中的每一个点进行迭代预测，获取第h次递推时的预测值向量，h＝1,2,……,H：yh′=[(yh1)′,(yh2)′,...,(yhn)′]]]>7)依据第h次递推时的迭代预测值向量和真实值yh，使用概率密度函数更新每个多核组合相关向量机模型的权值然后进行归一化：v~hi=vhi/Σi=1nvhi,h=1,2,...,H]]>8)根据步骤7)获得归一化后的模型粒子权值大小，对所有模型粒子进行重采样，保留权值较大的模型粒子；当递推次数h小于H之时，H为训练样本长度，h＝h+1，返回步骤6)，直至h＝H，则进行下一步；9)经过不断地递推预测、更新模型粒子权值、重采样模型粒子，模型粒子种类数目不断减少，若最后只剩下一个模型粒子，即为筛选出来的最优多核组合相关向量机模型，若最后剩余模型粒子超过一个，则选择权值最大的为最优组合函数相关向量机模型；10)使用筛选出来的最优多核组合相关向量机模型进行预测，然后将预测的结果和真实值进行比较，做出预测效果评估。