科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对滚动轴承剩余寿命预测中的退化阶段难以辨识的问题，提出了基于互信息卷积神经网络的退化特征提取方法和基于自适应超阈值波峰与失效概率逻辑回归预测的退化阶段辨识方法。引入了以轴承自监测数据为驱动的互信息卷积神经网络对轴承性能退化特征进行深度提取，并结合支持向量数据描述进行退化指数(degradation indicator, DI)构建。针对环境工况对DI造成的波动干扰影响，引入了极值理论中的超阈值波峰法进行了退化阈值的更新设置。结合失效概率统计信息，采用正常状态与退化状态的逻辑回归二分类法对个体轴承失效阈值进行了客观估计，并利用全阶时间幂灰色预测模型对轴承剩余寿命进行了预测。实验结果表明，在退化阶段自适应辨识的基础上进行轴承剩余寿命的预测，能得到更准确更客观的预测结果。
- 单位
