科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于学习模型的轴承剩余使用寿命(RUL)预测方法通常假设训练和测试数据具有相同的数据分布，为解决现有方法在不同工况或不同轴承RUL预测精度大幅下降的问题，提出一种基于对抗域自适应的轴承RUL预测方法。首先进行轴承健康阶段划分，使用等渗回归对振动数据进行预处理，平滑退化信号中的随机波动，再通过测量滑动窗口内的退化梯度进行健康阶段识别，表征退化趋势并识别跳跃点，从而划分健康阶段；在此基础上，选择源域和目标域的轴承退化阶段的振动数据作为模型输入，使用源域数据预训练特征提取器和寿命预测模块；然后设计域判别器网络对抗性地训练特征提取器，以最小化源域特征与目标域特征之间的分布差异；最后使用更新参数的目标特征提取器提取目标域的特征并进行RUL预测。使用IEEE PHM Challenge 2012轴承数据集验证了本文方法的有效性，与现有模型的对比试验表明本文方法在实现不同工况下轴承RUL预测迁移问题上表现更好。
-
单位合肥工业大学; 上海航天控制技术研究所; 洛阳轴承研究所有限公司
