胡文涛，孟建军

(兰州交通大学 机电技术研究所，兰州 730070)

轴承做为牵引电机的关键部件，其可靠性直接影响动车组运行的安全性.我国幅员辽阔，自然条件差异较大，造成动车组的运行环境恶劣，交路长，且长期交变的高频振动和高速运转，也会导致牵引电机轴承失效.因此，对牵引电机进行健康状态的评估和预测是十分必要的[1].目前，已有大量的专家学者对此展开了研究，其中应用最多是基于传统可靠性理论的评估预测方法、基于数据驱动的评估预测方法和基于物理失效的评估评估方法.可靠性理论以机械装备在全生命周期内的失效形式以及失效机理为研究对象，利用数理统计的方法分析挖掘这些故障的演化规律，并通过故障发生的密度函数和概率等指标，来评估预测设备的健康状态，其应用较广，但是对于复杂系统，难以建立较为准确的模型[2].基于数据驱动健康状态评估方法，是通过对设备全生命周期内信息的采集和处理，利用机器学习构建数据输入和输出的映射关系，使用预测模型取代物理模型来实现的.其评估预测精度较高，但是对于数据要求也较高，而且资金投入相对较大[3].基于失效物理的评估方法可在存储条件下进行评估预测，而且对数据要求不高，可利用传感器进行数据采集，尤其对损失积累造成的失效，将数据信息和模型结合，其评估预测精度更高，但是资金投入也更高，而且应用范围……