基于灰色关联度和ELM的轴承性能退化趋势预测

摘要

cqvip:为了及时发现轴承运行状态的异常信息,避免因轴承故障带来的严重后果,文章采用灰色关联度分析和极限学习机(ELM)相结合的方法对滚动轴承性能退化趋势进行预测。将滚动轴承运转的全寿命数据进行连续分组,计算各组数据与轴承状态良好的第一组数据之间的灰色关联度,根据关联度值的变化判断轴承健康状态;采用极限学习机(ELM)建立轴承健康性能退化模型,以灰色关联度作为健康性能指标,对轴承的性能退化趋势进行预测。研究结果表明,灰色关联度比均方根指标能更早地发现轴承的异常,ELM预测的关联度值与实际关联度值变化趋势一致性较好,当关联度真实值突然连续低于ELM预测范围临界值时,认为轴承性能恶化。