GA-BP算法预测滚动轴承退化趋势.pdfVIP

测控技术

状态监测传感技术专刊2021年第40卷第11期・131・

GA-BP算法预测滚动轴承退化趋势

杨乐,王景霖V,李胜男V,邵辰彤-2,封锦琦彳

(1.故障诊断与健康管理技术航空科技重点实验室，上海201601;

2.航空工业上海航空测控技术研究所，上海201601；3.航空工业北京长城航空测控技术研究所，北京101111)

摘要：故障预测是PHM技术中的关键一环，它是以装备当前的运行状态为起点，结合设备的运行状态参

数、历史数据,依据数学模型，对采集到的数据进行分析,结合装备自身运行规律,判断装备在未来任务

时间段内是否会出现故障。在BP神经网络预测算法对滚动轴承退化趋势预测基础上，结合遗传算法

对BP神经网络参数优化后进行预测，同时与粒子群算法优化BP网络参数后的预测结果比较，验证了

所提方法的有效性。所提方法的研究思路是基于滚动轴承退化状态划分的退化趋势预测，根据滚动轴

承全寿命周期振动数据特点，划分轴承退化状态，选取退化效果明显且退化时间较长的数据进行趋势外

推。研究的创新点在于提取轴承时域、频域指标后，采用相关系数理论选取和轴承剩余寿命强相关的时

域特征指标作为输入数据,频域特征指标作为输出数据，建立时域指标与频域指标的对应关系，通过预

测频域特征值指标的变化趋势反映出轴承的退化趋势。

关键词：遗传算法(GA)；BP神经网络;趋势预测；退化状态划分

中图分类号:TP206+.3；TP806+.3文献标识码:A文章编号：1000-8829(2021)11-0131-07

Doi:10.19708/j.ckjs.2021.11.018

PredictionofRollingBearingDegradationTrendbyGA-BPAlgorithm

YANGLe1,2*,WANGJing-lin1,2,USheng-nan1,2,SHAOChen-tong1,2,FENGJin-qi3

(1.AviationKeyLaboratoryofScienceandTechnologyonFaultDiagnosisandHealthManagementTechnology,Shanghai201601,China;

2.VICShanghaiAeroMeasurementandControlTechnologyResearchInstitute,Shanghai201601,China;

3.VICBeijingChangchengAeronauticalMeasurementandControlTechnologyResearchInstitute,Beijing101111,China)

Abstract：FaultpredictionisakeypartofPHMtechnology・Itisbasedonthecurrentrunningstateofthee-

quipment,combinedwiththeoperatingstaleparametersandhistoricaldataoftheequipment,accordingtothe

mathematicalmodeltoanalyzethecollecteddata,andcombinedwiththeoperationlawoftheequipmenttode­

terminethepotentialfaultoftheequipmentduringthenextmissionperiod.BPneuralnetwor