基于灰色支持向量机的液压泵寿命预测方法

针对单方法所建液压泵寿命预测模型精度较低的缺陷,提出基于灰色理论和支持向量机的组合预测模型的液压泵寿命预测方法.该方法通过灰色累加生成操作对原始序列进行数据处理,以增强数据的规律性;运用最小最终误差预测准则确定嵌入维数,选择模型的参数;采用支持向量机进行预测,利用灰色累减生成操作还原数据,得到预测结果.选取液压油的光谱分析数据作为液压泵的寿命特征信息,采用该模型对液压泵进行寿命预测,并与灰色模型、单一支持向量机模型进行预测性能对比.结果表明,灰色支持向量机预测性能最优,精度达到99.37％,为液压泵性能评估和寿命预测提供一种更为有效的方法.     

滚动轴承磨损寿命数据的灰色预测

为了克服用概率方法对滚动轴承磨损寿命预测数据不足的缺陷,用滚动轴承磨损失效循环次数构造时间序列,提出应用灰色系统理论对少量已有的滚动轴承磨损寿命数据进行预测,扩充样本容量。研究表明利用灰色系统理论能在试验数据较少的情况下,建立灰色预测模型,来构造磨损寿命的数据序列,得到较精确的预测结果。利用此方法可以缩短试验的时间,节约试验的费用,对滚动轴承磨损寿命预测及可靠性评估是有益的。     

车辆发动机可靠性寿命试验数据的预测方法

针对车辆发动机可靠性寿命试验时间长的问题,提出采用灰色系统预测理论对车辆发动机可靠性寿命试验数据进行预测,建立了发动机可靠性寿命试验数据的无偏灰色预测GM(1,1)幂模型,通过采用试验数据序列与预测数据序列总体分布函数相等性检验方法确认无偏灰色预测GM(1,1)幂模型用于发动机可靠性寿命试验数据预测是可行的。算例结果表明,采用灰色理论预测方法预测发动机可靠性寿命试验数据并进行相关的分布函数参数估计有较高的精度,可达到缩短发动机可靠性寿命试验时间和节约试验费用目的。     

锥齿轮疲劳寿命预测的灰色GM(1,1)模型

齿轮疲劳寿命的评价与预测需要大量的齿轮疲劳试验数据,而灰色GM(1,1)模型则可以对小样本实验数据进行分析。介绍了灰色GM(1,1)模型的原理,建立了一个实例的齿轮疲劳寿命的GM(1,1)模型,预测结果具有较高的精度。证明了将灰色系统理论用于弧齿锥齿轮的疲劳寿命试验数据预测是可行的。     

角接触轴承寿命的灰色预测分析

文中利用灰色预测研究方法对角接触轴承的寿命进行计算与分析。研究结果表明,灰色预测理论可以在原始实验数据不充分的情况下,通过建立模型构造角接触轴承磨损寿命数据序列,解决由于实验数据不足而造成的结果偏差。利用灰色预测研究方法对角接触轴承进行寿命测试,不但可以减少实验的经费,而且可以缩短试验时间,与传统的可靠性评估相比更具优势。     

灰色GM(1,1)模型在齿轮疲劳寿命预测中的应用

在齿轮疲劳寿命预测中,需要大量的齿轮疲劳试验数据.运用灰色GM(1,1)模型预测疲劳试验数据,可以大幅度缩短试验时间,节约试验费用,快速获得齿轮可靠性指标.文中简要介绍了灰色GM(1,1)模型的原理,通过具体实例建立了齿轮疲劳寿命GM(1,1)模型.预测结果表明,将灰色系统理论用于齿轮的疲劳寿命试验数据预测是可行的,理论上为有效缩短齿轮疲劳寿命试验时间提供了一个快速有效的方法.     

多变量灰色模型在滚珠丝杠剩余寿命预测中的应用

为研究滚珠丝杠的性能退化趋势,准确预测丝杠寿命,提出了基于多变量灰色模型的丝杠寿命预测系统.在滚珠丝杠副的不同位置安装3个加速度传感器,实时监测丝杠性能在不同加工条件下的变化趋势.通过模态分解方法分解选择对丝杠性能退化最敏感的特征参数,利用多变量灰色模型建立丝杠寿命与切削三要素、信号特征值的非线性映射关系,最终构建了基于多变量灰色模型的丝杠寿命预测模型,实现了对丝杠剩余寿命的有效评估.试验结果表明,所建立的丝杠性能退化模型能够有效预测丝杠的剩余寿命.     

基于双应力加速寿命试验的关节轴承寿命预测与可靠性分析

自润滑关节轴承寿命主要是由衬垫的磨损性能决定的,但衬垫的磨损一般是非线性的,使得寿命难以预测。采用同时改变载荷和摆频2种应力的方法进行加速寿命试验,建立以pv值、磨损量退化数据为输入参数,寿命值为输出参数的灰色神经网络预测模型。经验证该预测模型对关节轴承寿命预测的最大误差仅为7.33%,平均误差仅为3.892%。对不同加速应力下自润滑关节轴承可靠性进行评估,结果表明,关节轴承的可靠性在L_(10)(可靠度为90%时的寿命)之前下降趋势缓慢,然后迅速下降,pv值越大可靠性下降越迅速;随着pv值的增大,关节轴承寿命近似呈指数下降,经验证可用逆幂率加速模型反映二者关系。     

轮毂轴承旋转弯曲疲劳寿命分析及可靠性评估

轮毂轴承的寿命和损伤是直接影响汽车寿命和安全性的重要因素之一.本文对第三代轮毂轴承的旋转弯曲疲劳寿命进行预测,首先应用ABAQUS进行动力学有限元仿真,其次用nCode寿命分析软件得出模型的寿命云图预其测疲劳寿命.然后用旋转弯曲疲劳试验机进行试验,分析试验数据,以此验证旋转弯曲疲劳寿命预测模型的可行性.最后,对试验结果进行可靠性分析,以可靠性函数图评估预测结果的可靠度.     

改进GM-Markov模型在道路交通事故预测中的应用研究

针对随机波动性数据对灰色GM(1.1)模型预测精度的影响问题,提出了基于BX数据处理方法与马尔可夫链理论的灰色预测模型(BXGrey-Markov模型)。首先,引入BX数据生成法对原始数据进行处理,以弱化原始数据之间的随机性。在灰色预测方法的基础上,引入马尔可夫链预测理论,建立了灰色马尔可夫预测模型,它是将灰色预测模型与马尔可夫预测方法优化组合,灰色预测模型用于预测随机序列数据的总体发展趋势,而用马尔可夫链模型预测各数据在总体趋势下的随机波动性变化,得到随机时间数列趋势预测模型的解。通过上海市交通事故预测实际数据进行了验证表明:灰色马尔可夫预测模型预测精度高于GM(1,1)模型的预测精度。GM(1,1)模型的平均预测精度为42.29%,BX GM(1,1)-Markov模型的平均预测精度为86.9%。