论文部分内容阅读
机械故障预测技术可以提前发现机械设备可能发生的故障,对于保障设备平稳运行具有重大意义。机械设备振动信号的频谱能够反映其运行状态,通过对频谱进行预测不仅能够判断故障的严重程度,还能得到故障的类型。而对频谱的预测与单一特征频率处的幅值预测不同,属于多变量时间序列预测。多变量时间序列具有信息量大、噪声多、变量相关的特点,单变量的预测模型不适用于多变量的预测。极限学习机是一种单隐层前馈神经网络,学习精度高,运算速度快,适合对多变量数据进行处理,将其与奇异值分解的降维思想结合,提出基于奇异值分解的极限学习机模