来源：期刊VIP网 时间：
作者：王泽潇;石易达;郑文杰;邱思琦;明新国;
单位：上海交通大学机械与动力工程学院;上海船用柴油机研究所;上海交通大学巴黎卓越工程师学院;
摘要：滚动轴承的剩余使用寿命预测(RUL)是设备智能运维的关键技术之一。在RUL预测中，传统的状态划分的方法容易受到数据波动或噪声的影响，导致对轴承运行状态的刻画出现偏差；同时，模型难以从非线性振动信号中充分地提取关键特征，导致模型预测精度下降。针对这些问题，提出了一种结合健康状态划分与图卷积神经网络的轴承RUL预测方法。首先，通过Top-down算法对轴承的健康状态进行划分，明确轴承的退化期。其次，利用获得的轴承退化期数据定义图节点，并使用K近邻算法确定节点之间的边和边权重，进行图数据的构建。然后，通过图卷积神经网络对构建的图数据进行特征提取，以精准捕捉节点间的复杂关系和结构特征。最后，利用XJTU-SY数据集中多种情况下的轴承退化数据对所提出方法进行验证。实验结果表明，相比于其他算法，该方法显著提高了轴承RUL的预测精度，验证了所提方法的有效性和优越性。
关键词：滚动轴承;;剩余使用寿命;;健康状态划分;;图卷积神经网络
基金资助：国家自然科学基金资助项目(52175476);; 工信部船机重大专项之船用发动机高可靠性设计和验证关键技术项目
