基于状态追踪特征相空间重构的轴承寿命预测方法

摘要：

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.

关键词：滚动轴承寿命预测、ACPSO、SVDD、相空间重构、GRNN

所属期刊栏目：38

分类号：TH17;TP18

资助基金：中国自然科学基金项目51475052,51675064;中央高校基本业务费106112016CDJZR115502;博士后基金2016T90833,2015M582519

在线出版日期：2020-01-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：119-125