卷积自编码器和残差循环神经网络在刀具剩余寿命预测中的应用

作者：周学良^*; 潘晓明; 吴瑶

来源：机械科学与技术, 2023, 1-7.

DOI：10.13433/j.cnki.1003-8728.20230229

• 刀具
• 剩余寿命预测
• 卷积自编码器
• 残差门控循环单元
• 特征融合

针对刀具剩余寿命预测问题，提出了一种将一维卷积自编码器(One-Dimensional Convolutional Auto Encoder，1DCAE)和残差双向门控循环单元(Residual Bidirectional Gated Recurrent Unit，RBGRU)相结合的预测方法。通过1DCAE连续卷积池化和反卷积上采样方法获取工况信号的深层特征，并将其与分段后的原始信号融合，后作为刀具剩余寿命的表征；同时结合残差网络的思想对BiGRU的结构进行改进以增强对时序特征的捕获能力。实验结果表明，该方法比其它算法具有更高的预测精度。

• 单位
  湖北汽车工业学院