基于XGBoost-LSTM的数控机床主轴轴承故障预测方法研究

作者：赵恒喆; 杨晓英^*; 石岩; 杨逢海; 杨欣

来源：现代制造工程, 2023, (08): 155-160.

DOI：10.16731/j.cnki.1671-3133.2023.08.022

• 数控机床
• 主轴轴承
• 灰色关联度分析
• XGBoost-LSTM
• 故障预测

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。

• 单位
  河南科技大学; 机电工程学院