基于CNN的轴承剩余寿命区间预测

作者：周明珠; 张艺宝; 吴双; 孔丽军; 王梓齐^*

来源：机电工程, 2023, 40(08): 1225-1230.

• 滚动轴承
• 剩余使用寿命
• 区间预测
• 不确定性量化
• 卷积神经网络
• 区间覆盖率

针对轴承剩余使用寿命(RUL)预测中的不确定性量化问题，综合考虑数据不确定性与模型不确定性，提出了一种基于卷积神经网络(CNN)的RUL区间预测方法。首先，对轴承输入数据进行了预处理，并提取了轴承振动信号的时域特征，选用有强趋势性的参数作为模型输入，接着设计了一个在输出层放置正态分布的CNN模型，将其用于点预测及数据不确定性的捕捉；然后，采用集成方法对模型不确定性进行了量化，输出了区间预测结果；最后，采用PHM2012轴承退化公开数据集对基于CNN的区间预测方法的有效性进行了验证，并将结果与采用贝叶斯神经网络(BNN)所得结果进行了比较。实验结果表明：在轴承RUL预测的应用中，基于CNN的区间预测方法的区间覆盖率(PICP)最高，其值比BNN高出了63.9%,点预测结果的均方根误差(RMSE)值最小，其值为0.199 7。研究结果表明：基于CNN的区间预测方法可确保点预测估计的准确性，同时，在描述预测不确定性方面具有更大的优越性和实际意义。

• 单位
  湖南中融汇智信息科技股份有限公司; 浙江大学