《表1 2种方法的实际剩余寿命与预测剩余寿命之比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《风力机轴承实时剩余寿命预测新方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了说明笔者提出的方法相比于其他寿命预测方法的优越性，选取了广泛使用的BPNN和SVR预测方法进行对比。模型均选用前226 h的数据作为训练集，后236 h的数据作为预测集。3种寿命预测方法结果对比如图9所示。其中：BPNN的隐层数设为3，节点数设为8，学习率为0.01；SVR采用径向基核函数，利用交叉验证法选择参数。从图9可以看出，BPNN和SVR均没有得到有效的预测结果。这是因为BPNN是一种局部搜索算法，当面对复杂非线性问题时易陷入局部最小值，从而导致网络训练失败。SVR虽然可以解决非线性问题，但模型参数的选择对预测结果影响很大，从而导致预测结果不准确。