胡启国，杜春超，罗 棚

(重庆交通大学机电与车辆工程学院，重庆 400074)

0 引言

滚动轴承是一个被广泛应用于机械设备中的重要元件，其性能的好坏直接影响设备运行的安全可靠性，对滚动轴承进行预测与健康管理(prognostics and health management, PHM)[1]就显得尤为重要。通常，滚动轴承在全寿命周期过程中都要经历一系列不同程度的性能退化状态。对滚动轴承制定有针对性地维护计划，从而有效地避免滚动轴承因故障而失效。基于此思想，一种主动维护技术[2]的滚动轴承健康状态评估方法被提出，与以往的故障诊断相比，更侧重对滚动轴承当前状态描述和退化趋势的分析。

国内外专家学者对滚动轴承的健康状态评估的研究主要基于监测数据。文献[3]利用经验模态分解和奇异值分解提取振动信号的状态特征，然后运用马田系统构造马氏空间，降低状态特征的维度，最后引入健康度的概念，对复杂系统的健康问题进行评估。文献[4]提出了一种混沌优化果蝇算法与多核超球体支持向量机相结合的滚动轴承健康状态定量评估方法。文献[5]利用局部均值分解对滚动轴承振动信号进行分解，并构造特征向量，将其输入支持向量数据描述分类器，进行滚动轴承的健康状态评估。文献[6]采用流行空间主曲线相似度法对高维特征空间进行降维处理并结合离散 Frechet 距离做出轴承健康状态评估。针对大数据高维退化特征集时，很多学者将数据降维方法运用到设备健康状态评估和剩余寿命预测中，既保留有效信息又减低了特征维数，其中常见的降维方法有PCA[7]、ISOMAP[8]、JADE[9]等。……