极限学习机在轴承故障预测中的应用

摘要

传统的BP神经网络需要人工设置参数,导致预测结果精度不高.为有效实现滚动轴承早期故障的预测,利用一种自优化的神经网络模型提出了一种基于极限学习机的故障预测方法实现对滚动轴承故障预测.首先,提取振动信号时域特征参数;其次,根据故障发生过程选取目标数据,并将其按照训练集和测试集的不同分为多组数据集;最后,采用极限学习机对轴承状态进行预测,取得了准确度较高的预测结果.通过与BP神经网络进行对比,验证了极限学习机在故障预测中的有效性和稳定性.