来源：期刊VIP网 时间：
作者：何胤达;李威霖;陈锋;贺青川;潘骏;马行健;
单位：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;
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（Genetic 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
基金资助：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）;; 国家自然科学基金项目（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）
