基于并行SDAE-Seq2Seq模型的轴承寿命预测方法

作     者：张俊杰 王海瑞 李亚 朱贵富 ZHANG Jun-jie;WANG Hai-rui;LI Ya;ZHU Gui-fu

作者机构：昆明理工大学信息工程与自动化学院 昆明理工大学信息化建设管理中心 

出 版 物：《化工自动化及仪表》 (Control and Instruments in Chemical Industry)

年 卷 期：2024年第51卷第3期

页      面：427-437页

学科分类：08[工学] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 081102[工学-检测技术与自动化装置] 

基　　金：国家自然科学基金(批准号:61863016 61263023)资助的课题 

主　　题：并行堆叠降噪自动编码器算法 寿命预测 滚动轴承 特征提取 注意力机制 Seq2Seq模型 

摘      要：基于数据驱动的轴承寿命预测方法大多需要人工提取退化特征,而且对于不同工况下的轴承需要进行针对性优化,也是依赖专家知识和经验进行特征提取。为此,提出一种并行堆叠降噪自动编码器算法(PSDAE)来提取轴承退化特征,并结合Seq2Seq模型预测轴承剩余寿命。通过PSDAE直接对原始振动信号进行降噪、降维,得到退化特征,通过神经网络的学习和训练自动获得不同工况下的轴承退化特征。其次,引入注意力机制,将提取的特征输入Seq2Seq模型进行训练,并在PHM2012数据集上验证模型的预测效果。实验结果表明:PSDAE通过并行集成方式降低了模型的训练参数和整体误差,提取的退化特征在单调性和可预测性方面优于堆叠降噪自动编码器(SDAE),使用该退化特征有效减少了Seq2Seq模型的预测误差,提高了预测得分,具有更好的预测效果和稳定性。