基于神经网络的轴承剩余使用寿命预测的实证研究

摘要

目前，科学技术飞速发展。对机械设备进行寿命预测是核心内容，通过分析机械设备产生的数据，进而对设备管理、保障等提供有效的决策信息是现在工业界的重要任务之一。轴承剩余使用寿命预测具有多种复杂特性，传统测量方法是基于力学和概率统计实现，但这个方法运用在工程实践比较困难。因此本文基于振动信号对轴承剩余使用寿命进行预测。首先，用典型的轴承的振动信号的监测数据作为监测对象，之后搭建简易实验平台，通过振动传感器采集振动信号，然后对其进行特征提取；接着通过深度学习，对全新和损坏的轴承进行特征提取，并且进行健康因子的构建（HealthIndex/Indic