基于小波包能量谱和改进FOA-GRNN的轴承寿命预测

摘要

为增强轴承退化特征信息,提高广义回归神经网络(Generalized Regression Neural Network,GRNN)的预测精度,提出了一种基于小波包能量谱和改进FOA-GRNN的轴承剩余使用寿命预测方法.首先,为提取和增强轴承退化特征,采取小波包能量谱对轴承振动信号进行分解,生成频带能量谱,以能量谱信息构建轴承退化特征;其次,为提高果蝇优化算法(Fruit Fly Optimization Algo-rithm,FOA)的寻优能力和寻优效率,提出了一种多种群自适应果蝇优化算法,引入自适应惯性权重,并应用于广义回归神经网络参数优化;实验结果表明,基于文中退化特征相比时域、频域特征,提高了预测精度,改进FOA-GRNN与FOA-GRNN、MFOA-GRNN、IFOA-GRNN相比具有较高的寻优精度和寻优效率.