基于RMS子线区间拟合法的轴承剩余寿命预测

轴承剩余使用寿命(Residual life,RL)预测模型的预测精度在很大程度上取决于衰退特征的趋势一致性。由于轴承个体差异性,导致同类型不同轴承的相同特征衰退趋势表现不同,从而导致训练集轴承建立的RL预测模型与测试集轴承不匹配。针对上述问题,本文提出一种基于振动信号均方根(RMS)趋势一致性的子线区间拟合法轴承寿命预测方法。依据μ±3σ原则提出一种奇异值替换方法,有效增强RMS衰退曲线的趋势一致性,并基于RMS衰退曲线高度的趋势一致性提出子线区间拟合法,利用XJTU-SY数据集对提出方法进行测试与验证,并与常见的寿命预测方法反向传播神经网络(Back Propagation Neural Network,BPNN)与长短期记忆神经网络(Long Short-term Memory Network,LSTM)预测结果进行对比,可有效提升轴承RL预测精度。