王豪 董广明 陈进

摘要： 在滚动轴承故障诊断领域中，针对轴承剩余寿命预测这一关键问题，提出了一种基于GP（遗传规划）提取特征的方法，该方法将多个特征组合为一个特征树，实现多维输入到一维输入的转换，并用改良的适应度评价特征树的优良性，经过反复迭代，最后输出适应度最大的特征树，该特征树对应的特征值曲线在时域上最接近线性变化，将其作为一个独立的特征，称为优化特征。最后利用轴承全寿命振动信号，以优化特征为模型预测轴承剩余使用寿命，验证了算法预测的准确性。

关键词： 故障诊断; 滚动轴承; 特征提取; 遗传规划; 寿命预测

中图分类号： TH165+.3; TH133.33    文献标志码： A    文章编号： 1004-4523（2021）03-0626-07

DOI：10.16385/j.cnki.issn.1004-4523.2021.03.021

引  言

寿命预测是轴承状态性能评估的关键部分，常见的寿命预测方法可以分为两大类：（1）基于物理模型的预测方法;（2）基于数据驱动模型的预测方法[1]。

基于物理模型的预测方法一般预测精度较高，但是要对滚动轴承建立一个准确的物理模型是很困难的，因此基于数据驱动模型的寿命预测方法得到了深入研究。目前有許多基于数据驱动模型预测轴承寿命的方法，例如基于多尺度变异粒子群优化多核最小二乘?支持向量机（MK?LSSVM）的方法[2]，基于深度置信网络的全参数动态学习方法[3]，自组织神经网络和BP神经网络方法[4]，以及基于多评价标准有效性分析、核主成分分析（MCEA?KPCA）建立的模型[5]等。

对于轴承寿命预测，选择合适的特征非常关键，比如利用离散……