时变工况解耦转换与寿命预测融合的轴承剩余使用寿命跨域迁移学习研究

为解决时变转速工况下剩余使用寿命(RUL)预测中健康指标(HI)波动大、转速信号缺失导致的误判难题，山东大学团队提出创新性OCDT(Operation Condition Decoupling Transformation)方法，结合SPQHE频谱谐波提取与DDATP(Domain Dual Adaption Transfer Prediction)迁移学习框架，成功实现变转速到等效恒转速域的HI转换与跨域RUL预测，实验验证其方法在工业轴承监测中的优越性。

　　

在现代工业设备维护领域，风力发电机、航空发动机等关键设备常处于转速波动的复杂工况中，这给剩余使用寿命(RUL)预测带来三大挑战：现场设备往往缺失转速信号；变转速导致的健康指标(HI)波动会掩盖真实退化趋势；传统方法难以处理无限连续变化的工况状态。更棘手的是，现有基于时频分析的转速估计方法计算效率低下，而直接离散化工况又会损失动态特征。这些瓶颈严重制约了预测性维护技术的工程应用。

针对这一系列难题，山东大学的研究团队在《Engineering Applications of Artificial Intelligence》发表创新成果，构建了融合工况解耦转换的RUL跨域预测框架。该研究通过自主研发的SPQHE(Spectral Peak Query-based Harmonic Extraction)方法快速提取转速谐波，首创OCDT转换技术消除转速对HI的影响，并设计带自适应动态加权损失的DDATP迁移学习模型，成功实现变转速域到恒转速域的寿命预测迁移。实验证明该方法在真实轴承数据集上显著提升预测精度，为工业设备智能运维提供了新范式。

关键技术包括：1）基于频谱峰值查询的谐波提取(SPQHE)快速估计时变转速；2）通过OCDT将变转速HI转换为等效恒转速HI；3）采用双域自适应(DDATP)和动态加权损失函数实现跨域迁移。实验采用NSK 6007轴承三向振动数据验证。

【Test descriptions】
研究团队搭建包含电机、转子和负载装置的实验平台，使用NSK 6007轴承（规格见表1）和PCB 352C33三向加速度传感器采集振动信号。通过控制变频器模拟0-50Hz连续变化的转速工况，构建包含19个时域特征的原始数据集。

【Discussion】
如图10所示，传统方法提取的HI（蓝线）随转速剧烈波动，而经OCDT转换后的等效HI（红线）成功剥离转速影响，呈现单调退化趋势。对比实验显示，该方法在MAE和RMSE指标上分别较传统方法降低37.2%和41.5%，且SPQHE的计算效率提升8倍以上。

【Conclusions】
该研究突破性地解决了时变工况下RUL预测的三个核心问题：1）开发SPQHE实现无转速计的快速频率估计；2）通过OCDT消除HI的转速耦合效应；3）建立DDATP框架完成跨工况域的知识迁移。这不仅为工业设备智能运维提供了可解释的技术路径，其提出的等效工况转换思想对其它时变系统监测也具有普适意义。

值得注意的是，该方法目前仅处理了变转速-恒负载工况，未来可扩展至变负载场景。研究获得山东省重点研发计划（2024TSGC0369HZ）和国家自然科学基金（51575424）支持，相关技术已申请专利保护。