摘要

为实现数控机床主轴轴承的故障准确预测,提出一种将灰色关联度分析法、深度学习和残差滑动窗口分析相结合的故障预测方法。采取灰色关联度分析法对采集的设备状态变量进行特征筛选,在此基础上建立基于极端梯度提升树(eXtreme Gradient Boosting, XGBoost)和长短期记忆(Long Short-Term Memory, LSTM)神经网络(XGBoost-LSTM)加权融合的轴承温度预测模型,通过设定报警阈值和规则,利用滑动窗口法对轴承温度预测模型的预测残差进行分析,实现对主轴轴承故障的准确预测,并通过实例验证了该方法的有效性。

全文