仪器仪表学报

作者：邹筱瑜，胡 亮，王福利，潘 杰，王忠宾

单位：邹筱瑜,1. 中国矿业大学机电工程学院,,胡 亮,1. 中国矿业大学机电工程学院,,王福利,2. 东北大学信息科学与工程学院,,潘 杰,3. 中国矿业大学信息与控制工程学院,,王忠宾,1. 中国矿业大学机电工程学院,

关键词：滚动轴承;时间序列;剩余寿命;健康指标;信号分解网络

基金：:国家自然科学基金项目 ( 62273349,62176258)、中央高校基本科研业务费项目( 2021YCPY0111)、中国博士后科学基金项目(2021M693416)资助

工况波动、噪声干扰等因素造成滚动轴承高频振动信号信息冗杂,使退化过程建模结果难以准确反映实际退化趋势,导致轴承剩余寿命预测准确性不高。为此,本文提出一种基于信号分解网络的轴承剩余寿命长程时序相关预测方法。运用时间序列分解算法将振动信号分解为趋势、周期及余项3种分量,去除冗杂信息;针对快速退化到失效阶段,建立基于长短期记忆网络的自编码器特征提取模型,获得单调性和趋势性强的健康指标;最后,建立深度时序自回归神经网络模型对健康指标进行趋势预测,输出剩余寿命预测值的概率分布。实验结果表明,本文所构建的健康指标具有良好的趋势性和单调性,相比其他相关方法,所提剩余寿命预测方法具有更高准确率。

来源：2024年第8期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2024年第8期