本发明公开了一种基于经验小波变换EWT和神经网络的零部件寿命预测方法和装置。所述方法从待预测零部件提取获取表征寿命的时间序列数据,作为训练数据;对训练数据进行经验小波变换EWT分解,提取频率最低的单分量信号作为趋势项即表征零部件稳态的特征,并将其余各阶单分量信号合并起来作为剩余项即表征零部件波动的特征;利用剩余项对神经网络时间序列预测模型进行建模;利用零部件数学模型构造趋势项的预测模型;将剩余项的预测模型与趋势项的预测模型结合起来构成整体的预测模型,获得寿命预测数据;根据失效阈值和所述寿命预测数据判定失效时间,获得最终寿命预测结果。使用本发明能够提高预测精度,降低标准均方根误差。
声明:
“基于经验小波变换和神经网络的零部件寿命预测方法和装置” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)