- 薛斌;许忠斌;王鹏飞;郑志功;
针对滚珠丝杠轴承的剩余使用寿命预测问题,提出了基于相关向量回归和轨迹相似度分析的剩余使用寿命预测方法。基于相关向量机训练得到在役轴承和退役轴承退化特征的相关向量,借助轨迹相似度计算给出在役轴承的预测参考段和参考相关向量,基于经验退化模型拟合相关向量得到轴承退化过程的代理模型,最后得到轴承退化趋势和剩余使用寿命预测结果。在加速寿命试验台上开展了滚珠丝杠轴承加速寿命试验,得到了4个轴承全生命周期振动信号数据。与同类算法的对比结果表明,该方法的平均预测误差最小,均方根和平均绝对值预测误差分别为6.12和5.57,预测精度高于其他算法。
2025年05期 No.546 60-70页 [查看摘要][在线阅读][下载 1537K] - 丁伟;陈律;王骁贤;宋俊材;陆思良;
基于一维卷积神经网络,采用无条件的噪声注入方法提高网络模型的训练速度和预测精度,将得到的一维噪声增强卷积神经网络模型(1DNECNN)用于轴承剩余使用寿命预测,避免了复杂的数据预处理过程,可从原始振动信号中直接分辨出轴承的退化程度。在IEEE PHM Challenge 2012轴承数据集上的对比试验表明,与无噪声注入的一维卷积神经网络、二维卷积神经网络和卷积注意力神经网络相比,1DNECNN预测结果的均方误差降低了24%~49%,具有更高的预测精度和更优的拟合性能。
2025年05期 No.546 71-78页 [查看摘要][在线阅读][下载 4876K] - 刘煜炜;许云;
为了明确外部冲击载荷对动车组列车轴箱轴承疲劳寿命的影响,构建轴箱轴承拟动力学模型,分析外部冲击载荷作用下的轴箱轴承振动特性,获取轴箱轴承接触载荷的时变特性,进而基于Miner损伤叠加理论提出考虑时变载荷影响的轴箱轴承疲劳寿命评估模型。利用所提轴箱轴承疲劳寿命评估模型分析了不同载荷工况下的动车组列车轴箱轴承疲劳寿命,结果表明外部冲击载荷会导致轴箱轴承疲劳寿命显著下降,寿命下降比例与轴承所受恒定载荷和转速条件相关。
2025年05期 No.546 79-85页 [查看摘要][在线阅读][下载 1180K] - 柴立平;何昊昱;段石誉;刘璇;陈为伟;
针对现有基于深度学习的轴承剩余使用寿命预测方法在测试数据是未知轴承或未知工况下使用训练轴承数据得到的模型由于分布外泛化能力的限制性能会严重下降的问题,提出了一种基于对抗域增强的领域泛化方法,包括回归预测模块和对抗训练域增强模块。回归预测模块中设计了卷积增强自注意力的门控神经网络用于捕捉时序数据的特征以输出预测值,对抗训练域增强模块中设计了基于长短时记忆网络的生成对抗网络用于数据增强,还引入了任务损失函数和域增强损失函数分别用于指导模型在预测准确性与域增强能力之间的平衡,损失函数的联合作用使模型能够更好地处理未知轴承和未知工况的数据并提高整体性能,实现模型对未知轴承和未知工况的性能泛化。在PHM 2012 Challenge数据集和XJTU-SY数据集上的试验结果证明了该方法在寿命预测性能上的优越性。与其他方法的对比试验结果显示,在不使用复合故障样本的情况下,该方法预测轴承剩余使用寿命的均方误差可低至0.000 4,平均绝对误差可低至0.005 0。
2025年05期 No.546 86-95页 [查看摘要][在线阅读][下载 1321K] - 张永超;杨海昆;刘嵩寿;赵帅;陈庆光;
针对滚动轴承剩余使用寿命预测时存在特征提取困难及预测准确性较差的问题,提出一种基于受限玻尔兹曼机(RBM)与卷积神经网络(CNN)的滚动轴承剩余使用寿命预测模型。首先,采用快速傅里叶变换对轴承原始振动信号进行频域变换构建幅值谱;其次,通过RBM挖掘幅值谱中的深度全局特征;然后,通过建立早期故障阈值点划分退化阶段;最后,利用深度CNN对轴承剩余使用寿命进行预测。使用辛辛那提大学轴承数据集对所提方法进行验证,并与其他深度学习方法进行对比,结果表明RBM-CNN模型的均方误差(MSE)、均方根误差(RMSE)、平均绝对误差(MAE)最小,预测准确度最高,达到90.05%,验证了RBM-CNN模型在滚动轴承剩余使用寿命预测中的优越性。
2025年05期 No.546 96-101页 [查看摘要][在线阅读][下载 1303K] - 庞世杰;韩晓明;
为提高轴承剩余使用寿命(RUL)的预测精度和对预测结果进行不确定性量化,提出一种深度特征提取与随机退化过程交互联动的轴承RUL预测方法。首先,从振动信号中提取均方根等时域特征,并引入新的自上而下时间序列分割算法,将退化过程划分为多个阶段;其次,采用累积变换增强时域特征的趋势性,并将时域累积特征与振动信号傅里叶变换的频域特征作为深度特征提取网络的输入;然后,筛选在不同个体中有相似趋势的深度特征与表征退化阶段的模式特征进行融合构建健康指标;最后,通过目标函数建立特征提取模块与随机模型的联系,实现数模联动,并在PHM 2012轴承数据集上验证了该方法的优越性。
2025年05期 No.546 102-110页 [查看摘要][在线阅读][下载 1203K] 下载本期数据