论文部分内容阅读
针对较强噪声环境下的滚动轴承故障预测问题，为提高轴承故障预测的精度，提出并研究了一种新的滚动轴承预测技术；采用将灰色模型和极限学习机（ELM）相结合的方法，针对轴承运行状态值的非线性特点，先将样本数据进行灰色处理，解决数据的随机性和波动性问题，然后代入学习速度快，泛化精度高的ELM神经网络进行训练；在训练完毕后，对未来的轴承运行状态数据进行分析，将其与轴承设备的理论诊断标准相比较以达到故障预测的目的。