风力机轴承实时剩余寿命预测新方法

作     者：吕明珠 苏晓明 刘世勋 陈长征 Lü Mingzhu;SU Xiaoming;LIU Shixun;CHEN Changzheng

作者机构：沈阳工业大学机械工程学院沈阳110870 辽宁装备制造职业技术学院自动控制工程学院沈阳110161 中国质量认证中心(沈阳)北方实验室沈阳110164 

出 版 物：《振动．测试与诊断》 (Journal of Vibration,Measurement & Diagnosis)

年 卷 期：2021年第41卷第1期

页      面：157-163,206页

核心收录：

学科分类：080202[工学-机械电子工程] 08[工学] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

基　　金：国家自然科学基金资助项目(51675350) 高校应用型研究课题资助项目(2019YYYJ⁃3) 

主　　题：风力机 轴承 包络谐噪比 无迹粒子滤波 剩余寿命预测 

摘      要：由于传统退化指标对周期性故障冲击缺乏敏感性和鲁棒性,无法实现风力机轴承退化过程的适时跟踪以及剩余寿命的准确预测,提出了基于包络谐噪比(envelope harmonic‑to‑noise ratio,简称EHNR)和无迹粒子滤波(unscented particle filter,简称UPF)相结合的风力机轴承实时剩余寿命预测方法。首先,通过计算振动信号的EHNR监测轴承的早期退化点,并提取EHNR的趋势特征作为退化指标;其次,以轴承历史数据构建退化模型,利用UPF算法更新模型参数,实现对轴承退化状态的跟踪和预测;最后,使用实际风力机轴承监测数据对所提方法进行验证。结果表明,该方法能适时启动寿命预测机制,有效解决传统粒子滤波算法的粒子退化问题。与常用的支持向量回归模型(support vector regression,简称SVR)、反向传播神经网络(back propagation neural network,简称BPNN)的预测方法相比,具有较高的预测精度,为大型风力机组的健康管理和可靠性评估提供参考依据。