基于状态追踪特征相空间重构的轴承寿命预测方法

作者：柏林; 闫康^*; 刘小峰

来源：振动与冲击, 2019, 38(23): 119-125.

DOI：10.13465/j.cnki.jvs.2019.23.017

• 滚动轴承寿命预测
• ACPSO
• SVDD
• 相空间重构
• GRNN

针对滚动轴承剩余寿命预测中的特征选择及模型优化问题,提出了基于状态追踪特征相空间重构的轴承寿命预测方法。该方法在轴承特征进行单调性与敏感性评估的基础上,对轴承运行状态跟踪能力进行量化评估,进而筛选出轴承性能退化的最优特征集。为了统一描述各个特征对轴承退化状态的表征信息,采用自适应混沌粒子群算法(Adaptive Chaos Particle Swarm Optimization, ACPSO)优化支持向量数据描述(Support Vector Data Description, SVDD)方法构建轴承健康指数,该健康指数对轴承运行状态进行了准确划分。最后,以轴承衰退期的相空间重构指数为基础,采用ACPSO-GRNN预测轴承剩余寿命。通过试验表明,该方法不仅能及早发现轴承运行的衰退时间点,且相比于SVR和BP神经网络寿命预测具有更高的预测精度。

• 单位
  机械传动国家重点实验室; 重庆大学