基于无监督学习的健康指标构建方法研究

作     者：俎海东 焦晓峰 张万福 李春 ZU Haidong;JIAO Xiaofeng;ZHANG Wanfu;LI Chun

作者机构：内蒙古电力科学研究院分公司内蒙古呼和浩特010020 上海理工大学能源与动力工程学院上海200093 

出 版 物：《热能动力工程》 (Journal of Engineering for Thermal Energy and Power)

年 卷 期：2024年第39卷第7期

页      面：157-164页

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

基　　金：国家自然科学基金(52006148) 内蒙古电力科学研究院2022年自筹项目(510241220009) 

主　　题：健康指标 无监督学习 剩余寿命预测 平方欧式距离 Bi-LSTM网络 

摘      要：针对设备健康指标构建方法依赖专家经验的问题,本文结合基于情境化编码器-解码器架构的多尺度残差卷积神经网络与平方欧式距离(MSR-CNED-SE)提出了一种基于无监督数据集的健康指标构建方法,利用深度学习模型实现剩余寿命预测,并在轴承全寿命数据集上验证方法的可靠性。此外,还研究了不同相似度与深度学习网络对健康指标的影响。结果表明:基于平方欧式距离作为相似度度量构建的指标更容易找到退化的起始点,而Bi-LSTM网络在不同预测场景下表现出更好的稳定性和可靠性。