基于谱形因子和Elman神经网络的高速轴承RUL预测方法

作者：赵艳莉,王文远,何进. 日期：2022-11-22/span> 浏览：1189 查看PDF文档

摘要:对风力发电机齿轮箱轴承进行有效地故障预测与健康管理(PHM),可以降低风力发电机轴承组件的故障率。针对风力发电机高速轴承剩余使用寿命(RUL)准确预测困难的问题,提出了一种基于谱形因子(SSF)和Elman神经网络(ENN)数据驱动的风力发电机高速轴承RUL预测方法。首先,引入了Teager能量算子(TEO)对所采集的风力发电机高速轴承原始振动信号进行了预处理;然后,基于短时傅里叶变换(STFT)构建了一种SSF,对轴承各故障特征指标进行了变换;利用TEO能量信号的单调性、趋势性及可预测性构建了适应度函数,对变换后的各指标进行了筛选,确定出了最适于预测轴承RUL的故障特征指标,并采用ENN和实测数据对一实际运行的风力发电机高速轴承进行了RUL预测实验;最后,将基于SSF和ENN的方法与3类已有数据驱动方法进行了定量对比分析。研究结果表明:轴承原始振动信号经过TEO预处理及SSF变换后,其对数熵的适应度最高;同时,与其他3类数据驱动方法相比，该预测方法的精度更高,且其预测精度能够在35d内维持较高水平;该结果验证了
高速轴承RUL预测
方法的适用性与合理性。

关键词:高速轴承;谱形因子;Elman神经网络;剩余使用寿命;短时傅里叶变换;数据驱动;对数熵;Teager能量算子

中图分类号:TH133.3;TH17文献标识码:A文章编号:1001-4551(2022)09-1211-09



本文引用格式:

赵艳莉,王文远,何进.基于谱形因子和Elman神经网络的高速轴承RUL预测方法［J］.机电工程,2022,39(9):1211-1219.

ZHAO Yan-li, WANG Wen-yuan, HE Jin. RUL prediction method for high-speed bearings based on SSF and ENN［J］.Journal of Mechanical & Electrical Engineering, 2022,39(9):1211-1219.