基于AdaBoost_RVM的滾動軸承剩余壽命預測方法研究.pdf

1、滾動軸承作為關(guān)鍵機械基礎(chǔ)件，其性能好壞直接關(guān)系到整機設(shè)備的性能、功能和效率。滾動軸承的剩余壽命(RUL)綜合反映了軸承運行過程中受損情況和故障程度，準確預測其剩余壽命可為預防性維修決策提供依據(jù)，延長設(shè)備生命周期，提高整機的可靠性和利用率，避免安全事故。
　　數(shù)據(jù)驅(qū)動方法是滾動軸承剩余壽命預測的主要手段之一，其過程主要包括獲取數(shù)據(jù)、特征處理及剩余壽命預測三部分。論文對特征處理和剩余壽命預測兩個方面開展研究。
　　特征處理方面，

2、包括特征提取、預處理和特征選擇三部分。為提取更加全面敏感的特征，論文采用變分模態(tài)分解（VMD）將振動信號分解為若干模態(tài)，提取每個模態(tài)的能量比作為時頻域特征，與振動信號時域、頻域特征共同構(gòu)造高維原始特征集。同時，為實現(xiàn)不同軸承特征幅值范圍、以及訓練和測試特征歸一化的一致性，采用相似性度量方法對構(gòu)造的原始特征集歸一化處理。實驗結(jié)果表明，時頻域特征VMD能量比有效，相似性度量方法可實現(xiàn)對不同軸承特征的歸一化處理。
　　剩余壽命預測方面，

3、包括構(gòu)建性能退化趨勢健康指標和預測剩余壽命兩部分。針對剩余壽命預測過程中，失效閾值不易確定、單一模型預測誤差較大的問題，提出基于AdaBoost集成相關(guān)向量機(RVM)模型。利用相關(guān)性、單調(diào)性和魯棒性3個評價指標對歸一化后的特征選擇，將選擇后的特征輸入到多個RVM中，由AdaBoost集成算法構(gòu)建強預測器模型AdaBoost_RVM1，并利用其構(gòu)建健康指標，同時確定失效閾值，之后進一步訓練得到AdaBoost RVM2，進而預測未來失效