基于改进PSO-SVR的多轴承健康寿命协同预测

为提高轴承剩余使用寿命预测精度，提出一种基于改进PSO-SVR的轴承剩余使用寿命预测方法。选取轴承水平和垂直方向振动信号均方根、峰值因子、峭度因子等参数构造多维退化特征，建立基于SVR的轴承剩余使用寿命预测模型；针对SVR参数优化问题，设计一种动态自适应异步粒子群优化算法，引入Gworst修正了速度位置更新公式，改进了一种基于倒S形函数的自适应惯性权重系数和一种基于惯性权重系数的异步自适应学习因子，能够有效克服局部最优，加快收敛效率，提高回归精度。仿真实验结果表明：提出的方法与GS-SVR、GA-SVR、PSO-SVR、MPSO-SVR相比，具有较高的预测效率和预测精度，预测精度均优于GBDT、RF、DT、GP等经典回归预测方法。