基于改进SAE和双向LSTM的滚动轴承RUL预测方法

作者：康守强; 周月; 王玉静^*; 谢金宝; MIKULOVICH Vladimir Ivanovich

来源：自动化学报, 2022, 48(09): 2327-2336.

DOI：10.16383/j.aas.c190796

• 滚动轴承
• 稀疏自动编码器
• 无监督特征提取
• 双向长短时记忆网络
• 剩余使用寿命预测

针对稀疏自动编码器(Sparse auto encoder, SAE)采用sigmoid激活函数容易造成梯度消失的问题,用一种新的Tan函数替代原有的sigmoid函数;针对SAE采用Kullback-Leibler (KL)散度进行稀疏性约束在回归预测方面的局限性,以dropout机制替代KL散度实现网络的稀疏性.利用改进SAE对滚动轴承振动信号进行无监督深层特征自适应提取,无需人工设计标签进行有监督微调.同时,考虑到滚动轴承剩余使用寿命(Remaining useful life, RUL)预测方法一般仅考虑过去信息而忽略未来信息,引入双向长短时记忆网络(Bi-directional long short-term memory, Bi-LSTM)构建滚动轴承RUL的预测模型.在2个轴承数据集上的实验结果均表明,所提基于改进SAE和Bi-LSTM的滚动轴承RUL预测方法不仅可以提高模型的收敛速度而且具有较低的预测误差.

• 单位
  电子工程学院; 哈尔滨理工大学