基于退化检测和优化粒子滤波的轴承寿命预测方法
2021-05-25许雨晨,李宏坤,马跃,黄刚劲,张明亮
大连理工大学学报 2021年3期
许 雨 晨, 李 宏 坤, 马 跃, 黄 刚 劲, 张 明 亮
( 大连理工大学 机械工程学院, 辽宁 大连 116024 )
0 引 言
工业领域中高端装备的系统日趋复杂,综合化、智能化程度不断提升,运行过程中维护和保障的成本也越来越高.由于设备组成环节的增加及各环节之间的高耦合性,发生故障和性能失效的可能性逐渐上升,因此重大装备的预测和健康管理(prognostics and health management,PHM)技术逐渐成为研究热点[1].轴承作为工业领域的“心脏”,在各种机械设备中使用广泛,是保障设备正常运行的核心零件,一旦轴承发生故障,将对整个设备的运行造成影响,导致安全事故和经济损失的发生,因此研究轴承的寿命预测方法具有重要价值.
文献中指出大致可以将机械设备的寿命预测方法分为基于失效物理的方法、基于数据驱动的方法和融合方法[2].基于失效物理的方法根据机械的故障机制或损伤原理建立数学模型来描绘机械的退化状态,具有较高的预测准确度.但随着机械设备日趋复杂化,很难根据故障机理建立精确的模型,因此这种方法的应用领域具有较大的局限性.近年来随着机器学习的发展,基于数据驱动的方法成为寿命预测领域中热门的研究方向.数据驱动的方法不依赖专业的经验知识,也不需要建立精确的数学模型,而是从历史数据中自动学习设备的退化信息,从而对未来趋势进行评估和预测.主流方法有神经网络、回归模型、支持向量机、模糊理论、卡尔曼滤波……
登录APP查看全文
