监测数据驱动的城轨列车轴箱轴承剩余寿命预测

城轨列车轴箱轴承的运行工况复杂多变、外部随机干扰频繁,导致其监测数据中包含大量测量噪声乃至“脏”数据,进而制约了剩余寿命预测模型的精度.为解决上述问题,提出了一种监测数据驱动的动态多重聚合剩余寿命预测方法.首先,通过度量短时数据的幅值分布相似性自动识别并清洗“脏”数据;然后,将健康指标按不同时间尺度进行动态聚合,预测出各类潜在的未来退化轨迹,进而获得轴箱轴承的剩余寿命预测均值与方差;并使用现场实测数据与加速寿命实验数据对提出方法进行验证.结果表明:所提方法能有效剔除监测数据中的空采数据和强干扰数据;剩余寿命预测均值随累计行驶里程的增加逐渐收敛到真实值,且95%置信区间越来越窄;相比于单指数预测模型和混合预测模型,提出方法的累计相对精度平均值分别提高了29.78%和27.63%,预测收敛速度平均值分别增加了10.56%和10.20%.