来源：期刊VIP网 时间：
作者：叶新;苏少权;尚伟;杨帆;文龙;
单位：武汉工程大学电气信息学院;中国地质大学(武汉)机械与电子信息学院;中铁科工集团装备工程有限公司;中国地质大学深圳研究院;
摘要：轴承作为精密仪器中的关键旋转部件，其运行状态直接影响系统的安全性和稳定性，因此准确预测轴承剩余使用寿命尤为重要。现有的轴承剩余寿命预测方法可分为物理模型类和数据驱动类。物理模型方法具有较高的可解释性，所需样本量少，但预测精度较低，且不能在线预测；数据驱动方法则具有较高的预测精度和在线预测能力，但需要大量历史样本数据。为此，提出了结合物理模型和数据驱动方法的混合Wiener过程-人工神经网络（Wiener-Artificial Neural Network, Wiener-ANN）模型用于轴承剩余使用寿命预测。该模型通过时频域特征作为多源输入数据优化Wiener过程模型，使用优化后的模型进行第1阶段预测。随后，构建一个以第1阶段预测结果作为训练数据优化的三层ANN，将优化后的Wiener模型与ANN联合用于测试数据集的剩余寿命预测。与传统Wiener模型和ANN方法的预测结果对比表明，该方法在预测精度和应用性能上具有显著优势，具有较好的工程应用价值。
关键词：轴承;;剩余使用寿命;;预测方法;;Wiener过程模型;;人工神经网络
基金资助：深圳市基础研究专项(自然科学基金)面上项目(JCYJ20230807113708016);; 广东省自然科学基金项目(面上项目)(2024A1515011025);; 国家自然科学基金项目(52575605)~~
