超声电机通过压电陶瓷的逆压电效应和定转子摩擦运动,将电能转化为机械能产生驱动力矩。超声电机的寿命关系到电机在各种工况条件下的安全运行,对电机寿命的准确预测能够为超声电机的预测性维护提供可靠的数据支撑,保证设备工作的长期稳定性。目前超声电机寿命方法大多集中于电机摩擦材料寿命的预测,缺乏对超声电机的整机寿命评估的研究。针对以往研究中存在的问题,本文建立一种基于电机状态监测数据和IPSO-Elman神经网络的超声电机寿命预测方法,相关研究内容如下:1.从PMR60行波型旋转超声电机原理为入手,研究电机性能退化和剩余寿命减少对电机状态监测数据的影响,并通过分析在状态监测数据中确定了能够表征电机寿命的退化特性参数。2.根据超声电机寿命测试实验要求设计了超声电机寿命测试装置,并基于Lab VIEW开发了仪器控制与数据采集上位机,实现对超声电机的加载、控制与状态监测数据的采集、处理和保存。3.本文提出的寿命预测模型以Elman神经网络为核心,利用改进后的粒子群算法(IPSO)对神经网络进行优化。预测模型以电机性能退化特征参数为输入,剩余寿命预测时间为输出。在模型寿命预测验证实验中,引入了Elman和PSO-Elman神经网络两种预测模型作为对比。实验结果表明,本文提出的预测模型在超声电机剩余寿命时间的预测中具有良好的预测精度,验证了该方法的有效性。本文以超声电机状态监测数据为新的切入点,并融合人工智能算法框架,与传统预测方法相比,所提出的新型寿命预测方法能够实现超声电机整机寿命的预测,具有实际工程意义。