基于VPMELM的滚动轴承劣化状态辨识方法

来源：振动与冲击杂志2017年第7期北京时间：

作者：郑近德，潘海洋,，童宝宏，张良安,

单位：1.安徽工业大学机械工程学院，马鞍山 2430322.马鞍山市安工大工业技术研究院工业机器人研究所，马鞍山243000

摘要：针对变量预测模型模式识别方法（VPMCD）仅仅包含几种简单数学模型的问题，所建立的预测模型不足以反映特征值之间的复杂关系。极限学习机（ELM）回归模型是一种复杂且被广泛应用的模型，其模型可以反映特征之间的相互关系。因此，结合极限学习机回归模型和VPMCD方法的优点，提出了一种基于极限学习机的变量预测模型（Variable predictive mode based Extreme Learning Machine， VPMELM）模式识别方法，并将该方法应用于滚动轴承劣化状态实验中。实验表明，基于VPMELM的辨识方法可以有效地对滚动轴承的劣化状态进行识别。<br>

关键词：极限学习机；变量预测模式识别方法；VPMELM；滚动轴承