16 / 2021-08-28 21:23:57

基于深度小波极限学习机的轴承剩余寿命预测

深度小波极限学习机；时变3σ准则；线性模型；粒子滤波；轴承剩余寿命预测

轴承剩余使用寿命（Residual Useful Life, 简称RUL）预测对于防止重大设备过维护与欠维护发挥着至关重要的作用。针对轴承剩余寿命预测问题，本文提出基于时变3σ准则，深度小波极限学习机（deep wavelet extreme learning machine，简称DWELM）和线性模型的混合寿命预测方法。首先，时变3σ准则检测故障发生时间（fault occurrence time，简称FOT），将轴承的运行过程分为健康阶段和退化阶段。其次，构建DWELM模型用于评估退化阶段的轴承性能退化，并以监督方式构建线性趋势健康指标（health indicator，简称HI），称为DWELM-HI。与原始极限学习机（extreme learning machine，简称ELM）相比，DWELM具有更强大的特征表示和非线性逼近能力，通过深层结构和小波核将各种非线性退化趋势映射为线性趋势。最后，采用线性模型描述DWELM-HI的时间演化趋势，并使用粒子滤波（particle filtering，PF）估计模型参数，减少随机误差和量化RUL的概率分布，为重大装备预知维护提供重要信息。通过公开XJTU-SY轴承全寿命数据对该方法进行验证，结果表明该方法能够较好地解决轴承剩余使用寿命预测问题，并与对比方法表现出明显的优势。