本技术介绍了一种融合动力学模型与跨域图网络的滚动轴承寿命预测技术。该技术依托于五自由度动力学模型,构建仿真模型,并采用多目标粒子群优化算法结合实测轴承信号进行寿命预测。
背景技术
轴承作为机械设备中应用极其广泛的旋转部件,其在支撑和传递载荷等方面发挥着巨大作用。由于负载大、运行时间长、工作条件恶劣等原因,轴承极易出现磨损、腐蚀和表面剥落等故障,导致其故障率居高不下。轴承故障易引起设备损坏,甚至引发重大安全事故,造成经济损失及人员伤亡。在“中国制造2025”的背景下,工业生产日渐趋向于自动化和智能化。依托先进传感与测试技术和人工智能的发展,轴承剩余使用寿命预测有助于制定有效的机械设备维护计划,避免发生意外故障和设备停机。因此,轴承健康状态监测和寿命预测对于确保机械设备的可靠性和安全性至关重要。
数据驱动方法目前在轴承寿命预测中应用较为广泛。然而,在实际场景中,源域数据的可用性有限,对训练高精度轴承剩余寿命预测模型提出了挑战。数据稀缺的原因是轴承寿命周期数据的收集需要严格的环境要求,需要大量的时间和运行成本。此外,由于运行条件的变化,通过实体模拟生成与目标域数据具有高相似性的数据仍然困难。因此,可用的高相似性寿命周期数据的稀缺仍然是限制跨域剩余使用寿命预测方法应用的主要问题。
实现思路