-
题名基于多模型融合的轴承剩余寿命预测方法
- 1
-
-
作者
第轩
肖旺
王庆锋
宋运锋
-
机构
北京化工大学高端压缩机及系统技术全国重点实验室
国家管网集团联合管道有限责任公司西部分公司
-
出处
《计算机集成制造系统》
北大核心
2025年第7期2412-2424,共13页
-
基金
国家管网集团公司管道大数据分析与应用研究项目(WZXGL202107)。
-
文摘
准确预测滚动轴承的剩余使用寿命对于保证机械系统的安全运行和制定维修策略具有重要意义。然而,在实际工业应用中,由于工况的变化和环境噪声的干扰,从采集到的信号中提取有用特征十分困难。此外,还存在首次预测时间(FPT)测定模型准确度较低以及趋势分析模型过于简单等问题。上述问题使得机械设备剩余使用寿命(RUL)的高精度预测变得极具挑战。为此,提出了多模型融合的轴承剩余使用寿命预测新方法:首先,构建了结合改进深度森林(GADF)的健康指标模型和结合自注意力机制的自编码器(SAAE)的FPT测定模型;随后,基于FPT测定结果构建粒子滤波模型进行健康指标的趋势分析,最终得到机械设备的剩余使用寿命。实验验证表明,所提方法相较于其他方法具有较高的预测精度。
-
关键词
剩余寿命预测
滚动轴承
长短时记忆神经网路
卷积神经网络
改进的深度森林
健康指标
粒子滤波
自编码器
自注意力机制
-
Keywords
remaining life prediction
rolling bearings
long short term memory neural networks
convolutional neural networks
improved deep forests
health indicators
particle filtering
self-encoders
self-attention mechanism
-
分类号
TH133.33
[机械工程—机械制造及自动化]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
