科研之友
微信
新浪微博
Facebook
分享链接
摘要
由于剩余使用寿命预测对于机械正常运转和避免意外事故的发生起到至关重要的作用，如何提高剩余使用寿命预测的鲁棒性已经成为一个广受关注的问题。然而，现如今的方法很少考虑到实际工业环境中的噪声干扰及轴承不同的退化模式对于剩余使用寿命预测的影响。为解决上述问题，该文提出基于堆叠降噪自编码器和多尺度一维卷积神经网络的轴承剩余使用寿命预测模型。首先，利用堆叠降噪自编码器来去除噪声对于剩余使用寿命预测的影响；然后，利用多尺度一维卷积神经网络提取不同工况下更为全面的退化特征；最后，使用多个尺度得到的深度特征进行回归预测。该方法在PHM2012挑战赛的数据集上进行实验验证，实验结果表明该方法能够有效地预测轴承的剩余使用寿命，其均方根误差和绝对平均误差分别达到0.063 1和0.027 8，优于其他方法。
- 单位
