基于Bayesian-LSTM神经网络的热轧轧辊剩余寿命预测及不确定性评估

作     者：朱挺 陈兆祥 周笛 陈震 胡兵 潘尔顺 ZHU Ting;CHEN Zhaoxiang;ZHOU Di;CHEN Zhen;HU Bing;PAN Ershun

作者机构：上海交通大学机械与动力工程学院上海200240 东华大学机械工程学院上海201620 上海宝信软件股份有限公司上海201203 

出 版 物：《机械工程学报》 (Journal of Mechanical Engineering)

年 卷 期：2024年第60卷第11期

页      面：181-190页

核心收录：

学科分类：1201[管理学-管理科学与工程(可授管理学、工学学位)] 0806[工学-冶金工程] 08[工学] 0802[工学-机械工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 080201[工学-机械制造及其自动化] 

基　　金：国家重点研发计划资助项目(2020YFB1711100) 

主　　题：热轧 轧辊 剩余寿命预测 不确定性评估 Bayesian-LSTM 

摘      要：轧辊性能直接影响钢铁轧制流程的生产效率和生产质量,结合轧辊的复杂运行环境和波动工况条件,精准预测轧辊运行状态的时序变化特征与剩余寿命对生产流程精细化、智能化、高效化尤为重要。考虑轧辊服役过程中的动态不确定性,提出一种结合贝叶斯神经网络的长短期记忆网络(Bayesian long short term memory,Bayesian-LSTM)方法,提取健康指标以评估轧辊健康状态,并智能预测轧辊剩余寿命,量化其分布特征的区间不确定性,进一步讨论Bayesian-LSTM网络结构参数对寿命区间的动态影响。通过某热轧厂的实际运行数据验证了方法的有效性,结果表明:所提出方法相对传统数据驱动方法,预测精度达到96.90%,实现了热轧轧辊寿命智能预测和不确定性评估。