针对当前锚杆支护时工作状态的非线性和不可预测性等问题,探讨了基于多参数输入与输出高斯过程回归的锚杆支护状态预测的可行性。首先,介绍了锚杆支护过程的电液控制原理与主要控制参数;其次,推导了高斯过程回归数学模型;最后,通过试验仿真,将采集的数据分为70%训练集和30%测试集,使用径向基核函数,通过最大边缘似然方法自动获取超参数,以多元化评价指标,对比预测值和实际值,验证了预测方法的有效性。结果证明基于多参数输入与输出高斯过程回归算法,对锚杆支护状态的预测结果具备一定的参考价值,其预测结果在可接受范围内。后续考虑通过增加边界条件,自动过滤非理想预测点,提高方法预测效率和预测准确率。

滚动轴承作为多种机械设备的关键零件,其运行状态的好坏往往影响着整机设备的运行状况,因此高精度的滚动轴承状态预测对整机设备的运行状态有着重要的意义。针对滚动轴承单一预测模型精度较差的问题,构建一种基于时间序列ARIMA和支持向量回归机SVR理论的组合预测模型。首先针对单一模型进行预测,应用误差平方和倒数法得到两种预测模型的权重结果,最终将该组合模型的预测结果分别与单一预测模型作比对分析。结果表明:该组合预测模型的预测误差均小于单一模型,具有较高的可靠性。

随着数控机床结构复杂化以及运行状态数据呈现多样性、时序性的特点,为了有效解决数控机床未来状态难以准确预测的难题,提出一种基于多维时间序列的数控机床状态预测方法。首先,采用OPC（OLE for process control）技术进行数控机床状态数据采集,结合Min-max标准化和自回归移动平均模型完成了数据预处理,建立了多维时间序列状态模型及度量模型,采用特征向量、特征趋势距离标示状态模型,并利用差异度进行多维时间序列状态匹配分析。其次,通过建立时间窗口滑动模型,利用时间窗口长度和滑动时长获取数控机床历史状态集合,进一步提出基于窗口滑动的多重匹配技术,利用β–耦合相似度量标准寻找与当前状态矩阵相似度最大的历史状态集合,并根据相似性阈值得到最优滑动时长和预测时长。然后,采用密度空间聚类算法进行状态序列分析,得到了表征机床当