基于MDS-GA-SVR的电动汽车减速器性能退化预测方法研究
何胤达1
李威霖2
陈锋2
贺青川1
潘骏1
马行健1
1.浙江理工大学浙江省机电产品可靠性技术研究重点实验室,浙江杭州 3100182.浙江方圆检测集团股份有限公司浙江省市场监管新能源汽车驱动系统重点实验室,浙江杭州 310018
摘要：针对电动汽车减速器性能退化预测方法难以充分挖掘退化信息,导致预测精度低的问题,提出了 一种联合多维尺度(Multiple Dimensional Scale,MDS)变换和遗传算法优化支持向量回归(Ge-netic Algorithm opitimized Support Vector Regression,GA-SVR)进行性能退化预测建模方法.通过时域、频域、时频域特征提取方法对减速器的振动信号进行处理,利用MDS算法建立了综合退化特征指标;以信号特征指标与综合性能退化指标作为训练与预测数据集,利用遗传算法确定最优惩罚参数C和核参数g并构建SVR模型;通过试验获得了减速器的寿命数据,并利用所提方法建立了高精度的性能退化模型.结果表明,本文所提模型的预测精度均高于PSO-SVR、GS-SVR以及反向传播(Back Propagation,BP)神经网络预测模型,均方根误差值分别降低了 50.63％、75.35％、84.73％,确定系数R2分别提高了 3.93％、6.51％、9.51％,证明了所提方法的优越性.
关键词：电动汽车减速器多维尺度变换遗传算法支持向量回归退化趋势预测
资助基金：浙江省市场监管新能源汽车驱动系统重点实验室开放课题(2022NV002)国家自然科学基金(51875529)浙江省高层次人才特殊支持计划科技创新领军人才项目(2021R52036)
论文发表日期：2024-01-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：8( 135-142 )
英文信息