融合字典学习的滑动轴承摩擦故障趋势自记忆预测

    张峻宁　张培林　张云强　杨望灿　华春蓉

    

    

    

    摘要：将自记忆模型引入到滑动轴承的接触摩擦故障发展趋势预测中，针对一般形式的多变量自记忆模型的不足，提出一种基于字典学习的滑动轴承摩擦故障趋势的多变量自记忆预测方法。首先，构建多变量字典，利用稀疏编码筛选出影响系统演化的主要变量。然后通过误差平方和最小原则更新不同作用形式的变量字典，确定变量影响系统演化的最佳作用形式和影响系数，最终得到多变量的系统动力核函数，解决了系统动力核与多變量关系难处理问题。最后，引人自记忆函数，将所得的系统动力核反演成一个微分一差分方程，由此得到滑动轴承的多变量自记忆预测模型。应用到实例中，有效地预测了故障的发展趋势，为滑动轴承摩擦退化趋势预测提供了一种新的途径。