面向轴承剩余寿命预测的自适应退化阶段辨识方法

邬世龙

(重庆大学机械与运载工程学院，重庆 400044)

0 引言

近年来，国内外众多专家学者对滚动轴承的数据驱动式剩余使用寿命(RUL)预测方法进行大量的研究，其研究内容主要集中在轴承性能衰退指数(DI)的构建以及退化模型的建立方面，而对退化阶段的识别涉及不多。作为典型的数据驱动的DI构建方法，自编码器(Autoencoder)被广泛应用到轴承的DI构建中。HASANI等[1]通过自编码器(AE)构建了轴承的DI。KAJI等[2]提出一种基于卷积自编码器(CAE)的DI构建方法。HEMMER等[3]开发了一种利用条件变分自编码器(CVAE)构建低速轴承DI的新方法，该方法可以无监督的构建轴承的DI。尽管基于自编码器的重构模型能无监督地提取轴承退化特征，但其核心是对高维输入信号的非线性压缩，难以保证压缩特征对轴承退化状态的表征性能，且以最小重构误差为目标函数的重构模型往往对输入信号中的有用信息与噪声进行无区别重构，难以保证退化特征对退化状态的敏感性。

在轴承退化阶段辨识方面，大多文献采用了经验值、退化趋势观测及3σ原则等主观确定法，以及模型二分类法，将轴承退化阶段大致划分为正常状态阶段与退化状态阶段。张全德等[4]将VMD分解与隐马尔可夫模型(HMM)相结合，实现了轴承运行状态识别。WANG等[5]过形式化定义广义无量纲DI。ZHANG等[6]等采用波形熵来划分了轴承正常状态与退化状态。朱朔等[7]将小波核函数和支持向量数据描述(SVDD)相结合，实现了轴承退化状态的划分与评估。柏林等[8]通过3σ原则实现轴承退化阶段辨识。……