基于ACMD-KSVD和深度学习的滚动轴承寿命预测方法研究.pdfVIP

摘要

摘要

滚动轴承是旋转机械的核心组件，对于冶金、航天、汽车等行业的正常运行起着至

关重要的作用。然而，由于滚动轴承经常承受重载荷，极易发生损坏，不仅会影响轴承

自身的性能，还可能进一步引发整个机械设备的运行异常。因此，为了确保机械设备的

稳定运行，并预防潜在的安全隐患，准确预测滚动轴承使用寿命显得尤为关键。然而，

滚动轴承寿命预测领域面临着诸如早期弱故障特征提取困难、预测退化起始点精准度

低以及寿命预测模型准确性低等挑战，这些挑战导致了现有预测技术无法精确地评估

滚动轴承剩余使用寿命，进而增加了机械设备运行的不确定性与风险。因此，对滚动轴

承剩余使用寿命的深入研究不仅具有理论意义，而且在实践应用中也十分重要。

本研究旨在预测滚动轴承的剩余寿命，以此为核心目标，通过以下步骤深入探讨

了滚动轴承的寿命预测问题。首先，为获得准确的试验数据，本文设计并实施了滚动轴

承寿命的可靠性加速试验；其次，提出了基于ACMD-KSVD对轴承早期弱故障特征进

行提取的方法；然后，通过构建退化指标并结合广义极值分布(GeneralizedExtremeValue

Distribution,GEVD)进行退化起