Noise and Vibration Control ›› 2023, Vol. 43 ›› Issue (5): 115-121.

Previous Articles     Next Articles

Remaining Life Prediction of Rolling Bearings Based on Similarity Feature Fusion and Convolutional Neural Network

  

  • Received:2022-04-22 Revised:2022-06-15 Online:2023-10-18 Published:2023-01-13

基于相似度特征融合和CNN的滚动轴承剩余寿命预测

聂磊张吕凡徐诗奕蔡文涛杨浩明   

  1. ( 湖北工业大学机械工程学院,武汉430000 )

摘要: 滚动轴承作为机械系统中非常重要的部件之一,其剩余使用寿命的精确预测对系统保障具有重大意义。针对单个特征参量对滚动轴承性能退化过程表征的片面性与局限性,提出一种基于相似度特征融合、卷积神经网络的滚动轴承剩余使用寿命预测方法。通过计算时域和频域特征的时间序列与对应时间矢量的皮尔逊相关系数,构造相似度特征,再基于单调性和趋势性对特征进行敏感特征筛选,采用主成分分析法对筛选所得特征进行融合,构建健康指标,将其输入一维卷积神经网络退化模型进行训练,实现对轴承剩余寿命的预测。实例验证,与传统模型相比,该方法有更低的预测误差,对轴承的剩余寿命预测效果较好。

关键词: 故障诊断, 滚动轴承, 卷积神经网络, 健康指标, 剩余寿命预测