李媛媛，陈捷，洪荣晶，黄筱调，伍笑秋

（1.南京工业大学 机械与动力工程学院，南京 211816；2.重庆长安福特汽车有限公司，重庆 404100）

转盘轴承广泛应用于各种大型设备，其运行状态直接影响设备的使用寿命，一旦失效很容易引发重大事故，造成巨大损失，而且维修难度也较大［1］。因此，需要对转盘轴承的运行状态进行准确的评估，及时发现潜在问题，以便对设备进行良好的管理和维护。

近年来，转盘轴承的剩余寿命预测已成为国内外学者研究的热点，提取能够反映转盘轴承寿命状态的特征向量并建立合理的预测模型是对转盘轴承进行状态预测的关键。文献［2］利用时域指标均方根的变化作为特征向量反映轴承的磨损程度。文献［3］从时域和频域对转盘轴承的振动信号进行特征提取，并验证该方法可有效预测轴承的剩余寿命。文献［4］在均方根的基础上，提出了一种改进的相对均方根指标，用来表征轴承的性能退化趋势。文献［5］利用神经网络建立了寿命预测模型，分别用失效数据和截止数据对模型进行训练，最终实现了对轴承寿命的有效预测。文献［6］利用最小二乘支持向量机建立了轴承的寿命预测模型，并通过试验表明该模型具有较好的预测精度。文献［7］利用粒子群算法优化支持向量机的内部参数，并建立退化趋势模型，以有效实现对轴承的寿命预测。

上述模型在轴承的寿命预测中应用广泛，但对于低转速、大直径的转盘轴承很难达到理想效果。……