摘要：為解決支持向量機模型在預(yù)測滾動軸承剩余壽命時準確率不高的問題,對核主成分分析(Kernel Principal Com-ponent Analysis,KPCA)和最小二乘支持向量機(Least Square Support Vector Machine,LSSVM)在剩余壽命預(yù)測中的應(yīng)用進行了研究。采用核主成分分析方法融合軸承振動信號時域、頻域特征指標并提取第一主成分評估軸承性能退化情況,并將滿足要求的多個KPCA主成分作為輸入,建立KPCA-LSSVM模型來對軸承剩余壽命進行預(yù)測。采用軸承全壽命試驗數(shù)據(jù)對該方法的有效性進行驗證,結(jié)果表明,該方法提取的軸承性能退化評估指標能夠更為全面地表征軸承性能退化情況,建立的KPCA-LSSVM模型可在滾動軸承剩余壽命預(yù)測工作中獲得良好的預(yù)測效果。