基于蝗虫优化LSTM网络的滚动轴承剩余寿命预测

作     者：武滢 韦康 杨帅军 WU Ying;WEI Kang;YANG Shuaijun

作者机构：沈阳理工大学机械工程学院辽宁沈阳110159 

出 版 物：《制造技术与机床》 (Manufacturing Technology & Machine Tool)

年 卷 期：2024年第5期

页      面：35-41页

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

基　　金：辽宁省教育厅基本科研项目(JYTMS20230208) 

主　　题：滚动轴承 变分模态分解 剩余寿命预测 长短期记忆网络 

摘      要：滚动轴承作为机械设备最基本的零件之一,其振动信号具有非线性、非平稳的特点,针对这一特点,提出了变分模态分解(variational mode decomposition,VMD)和蝗虫优化算法(gras-shopper optimization algorithm,GOA)与长短期记忆网络(long short-term memory,LSTM)相结合的滚动轴承剩余寿命预测方法。首先,利用VMD对包含噪声的原始振动信号进行分解,将其分解项去除噪声后再进行重构;然后,对降噪后的信号进行时域特征提取,将提取到的特征构造成连续的时间序列,作为输入特征值,并建立退化指标。利用GOA方法对LSTM模型的参数进行优化,构建基于GOA-LSTM的预测模型。最后,通过XJTU-SY滚动轴承加速寿命试验数据集对该方法的有效性进行验证。研究结果表明,与LSTM、VMD-LSTM模型相比,VMD-GOA-LSTM模型的预测精度更高,泛化能力更好,能够更好地对滚动轴承的剩余寿命进行预测。