多阶段维纳轴承

剩余寿命预测

该预测方法针对轴承多阶段退化特性，优于单一随机过程模型，能准确划分退化阶段并高精度预测剩余寿命。

王玉 · 刘淑杰 · Shuai, Lv · Liu, Gengshuo

Measurement Science and Technology 2025

参数信息

均方根误差

2.92

均方根误差

3.61

均方根误差

7.24

技术优势

阶段划分更准

引入集成学习网络和残差异常检测来识别退化阶段，使各阶段数据量平衡，提高模型适应性。

参数在线更新

结合卡尔曼滤波和极大似然估计，在每一阶段实时更新模型参数，使预测随观测动态调整。

预测误差低

在三个预测实例中均方根误差分别为3.61、2.92、7.24，优于基准模型。

应用场景

• 设备健康管理：提供准确的剩余寿命，帮助制定维护计划。
• 工业物联网：模型可集成到监测系统中，实现实时寿命预测。
• 旋转机械维护：针对轴承退化分阶段预测，避免非计划停机。