科研之友
微信
新浪微博
Facebook
分享链接
摘要
深度神经网络在剩余寿命预测(RUL)领域已获得了广泛应用，为进一步优化预测模型，充分提取数据间的时序信息，提高寿命预测的准确率，提出了一种结合深度残差网络(DRN)和双向门控循环单元(BiGRU)的剩余寿命预测(RUL)模型。首先，采用滑窗法对原始数据进行了重采样，对数据集进行了扩充；然后，设计了一种DRN-BiGRU网络模型，其中，利用DRN对输入数据进行空间特征提取，利用BiGRU捕获时域数据中包含的过去和未来两方向的相关特征，充分获取输入数据的时序退化信息，进一步改善了模型的特征提取效果；最后，采用公开发表的PHM2012数据集对模型进行了验证，并将得到的预测结果与采用DRN、DRN-GRU和全卷积神经网络(FCNN)模型获得的结果进行了对比。研究结果表明：在滚动轴承剩余寿命预测应用中，采用基于DRN-BiGRU模型的方法获得的3项误差值(MAE、MSE、RMSE)最低，预测Score值最高，分值为0.985;该结果验证了基于DRN-BiGRU模型在轴承剩余寿命预测应用方面的准确性和有效性。
- 单位
