孙永新

(山西天地王坡煤业有限公司，山西 晋城 048000)

0 引言

轴承是影响煤机设备健康状态与寿命的关键部件之一。受使用工况影响，轴承的服役寿命与设计寿命存在巨大差异[1]。因此，对轴承剩余寿命进行预测具有重要意义，这也是煤机设备维护人员关注的焦点之一。

轴承剩余寿命预测方法主要有基于失效模型方法、基于概率统计方法和数据驱动方法。基于失效模型方法根据疲劳积累损伤等物理机理进行预测[2-5]，如L-P(Lundberg-Palmgren)模型、Paris疲劳寿命预测模型、I-H(Ioannides-Harris T.E.)模型、Z(Zeretsky)模型、T(Tallian数据拟合)模型等。该方法建立在对轴承失效机理的准确描述基础上，然而工程实际中很难准确描述其失效机理并建立精确的数学模型。基于概率统计方法应用概率模型估计轴承的统计寿命[6-8]，如比例故障率模型、贝叶斯统计模型、三参数Weibull模型等。数据驱动方法主要利用状态数据预测轴承剩余寿命，提取能够刻画轴承全生命周期过程的特征量作为退化特征量，通过预测模型预测退化特征量的变化趋势，以估算轴承剩余寿命[9-12]，如BP神经网络模型、MK-LSSVM(Multi-Kernel Least Square Support Vector Machine，多核最小二乘支持向量机)模型、SVM(Support Vector Machine，支持向量机)模型等。基于概率统计方法和数据驱动方法克服了轴承剩余寿命预测需建立准确数学模型的限制，但预测精度大多受样本完备性和准确性的制约。

GM(Grey Model，灰色模型)是一种数据驱动方法，其可利用少量的、不完备的信息建立预测模型，已在水文预测、岩土工程、机械设备故障诊断中获得广泛应用。……