基于振动信号分析的滚动轴承寿命预测方法研究

作者：谈智玲; 陈才明; 徐胜朝; 吴志宏; 宋寅; 王朋飞

来源：华电技术, 2021, 43(05): 36-44.

• 特征提取
• 相关性分析
• 广义回归神经网络
• 粒子群优化算法
• BP神经网络
• 滚动轴承
• 寿命预测

滚动轴承剩余寿命预测问题具有多类别、多特征的复杂特性,传统的基于力学和概率统计的预测方法运用在工程实践中都较为困难。研究了基于振动信号分析的滚动轴承寿命预测方法。首先,将采集到的振动信号进行时域、频域和基于小波包样本熵的时频域特征提取;其次,通过皮尔逊相关分析筛选出与轴承寿命相关度较大的特征,作为轴承寿命预测的样本集;然后,把选择的特征参数作为输入,对改进后的粒子群优化算法-广义回归神经网络(PSO-GRNN)模型进行训练,构建轴承寿命预测模型;最后,将模型与反向传播(BP)神经网络模型和PSO-GRNN模型进行对比,试验证明电机滚动轴承寿命预测模型具备更强的稳定性和更高的精度。

• 单位
  武汉理工大学; 机电工程学院