一种融合支持向量机-高阶粒子滤波方法的机械剩余使用寿命预测

为了预防机械系统出现灾难性失效,对其元件进行剩余使用寿命(RUL)估计并及时维修变得尤为重要。通过将支持向量回归(SVR)与高阶粒子滤波相融合,提出了一种RUL预测方法,对故障指示器的时间演化实现预测,同时建立RUL的概率密度函数(PDF)估计。首先,基于获取的数据对SVR进行训练,作为故障发展的模型描述并融合到高阶粒子滤波。紧接着,通过高阶粒子滤波的一组粒子完成p步预测以及当前状态估计,这些预测值用于RUL的PDF估计。最后,对来自可人为设定故障的UH-60直升机行星齿轮振动数据进行测试验证,表明提出方法的预测精度比传统SVR预测以及一阶粒子滤波方法更优越。