《机电工程》杂志,月刊( 详细... )

中国标准连续出版物号 ISSN 1001-4551 CN 33-1088/TH
主办单位浙江省机电集团有限公司
浙江大学
主编陈 晓
副 主 编唐任仲、罗向阳(执行主编)
总 经 理罗向阳
出 版浙江《机电工程》杂志社有限公司
地 址杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel+86-571-87041360、87239525
E-mailmeem_contribute@163.com
国外发行中国国际图书贸易总公司
订阅全国各地邮局   国外代号M3135
国内发行浙江省报刊发行局
邮发代号32-68
广告发布登记证:杭上市管广发G-001号

在线杂志

当前位置: 机电工程 >>在线杂志

基于状态划分和集成学习的轴承剩余使用寿命预测模型

作者:胡志辉,王绪光,王贡献,等 日期:2024-08-30/span> 浏览:358 查看PDF文档

基于状态划分和集成学习的轴承剩余使用寿命预测模型*
胡志辉,王绪光,王贡献*,张腾,李帅琦

(武汉理工大学 交通与物流工程学院,湖北 武汉 430063)


摘要:针对滚动轴承剩余使用寿命(RUL)预测退化起始时间(DST)难以确定,以及单一寿命预测模型精度比较低的问题,提出了一种基于状态划分和集成学习模型的滚动轴承RUL预测方法。首先,提取了轴承振动信号的特征,利用滑动窗口不断更新3σ准则预警范围,结合连续触发机制自适应确定DST;然后,采用具有自适应噪声的完全集成经验模态分解(CEEMDAN)对退化阶段信号序列进行了自适应分解;最后,构建了集成学习模型,考虑分量的不同特性进行了多步滚动预测,融合预测结果得到了轴承RUL,采用滚动轴承XJTUSY公开数据集进行了试验验证。研究结果表明:与基于长短时记忆神经网络(LSTM)、反向传播神经网络(BPNN)的预测方法相比,该方法预测结果的平均绝对误差分别降低了11.7%以及5.6%,相对均方根误差分别降低了12.2%以及10.7%,验证了该方法在轴承RUL预测中的有效性和优越性。

关键词:滚动轴承剩余使用寿命;退化起始时间;自适应DST状态划分;集成学习模型;退化特征提取;具有自适应噪声的完全集成经验模态分解;长短时记忆神经网络

中图分类号:TH133.3;TP183文献标识码:A文章编号:1001-4551(2024)08-1423-08

本文引用格式:

胡志辉,王绪光,王贡献,等.基于状态划分和集成学习的轴承剩余使用寿命预测模型[J].机电工程,2024,41(8):1423-1430.

HU Zhihui, WANG Xuguang, WANG Gongxian, et al. Remaining useful life prediction model of bearing based on state division and ensemble learning[J].Journal of Mechanical & Electrical Engineering, 2024,41(8):1423-1430.





友情链接

浙江机械信息网