基于多尺度工况增强网络及Informer的设备剩余寿命预测

作     者：刘付渝杰 LIUFU Yujie

作者机构：广东省茂名市质量计量监督检测所广东茂名525000 广东工业大学计算机学院广州510006 

出 版 物：《计算机测量与控制》 (Computer Measurement &Control)

年 卷 期：2024年第32卷第8期

页      面：115-122页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：广东省市场监督管理局科技项目(2024CZ11) 茂名市科技计划项目(230506164551410) 

主　　题：剩余寿命预测 多尺度卷积 工况编码 注意力机制 Informer 

摘      要：设备RUL预测在提高设备可靠性、安全性、降低维护成本等方面具有重要意义;通过提前发现设备的健康状态和潜在故障,RUL预测有助于降低突发故障风险、延长设备寿命,提高工作效率,确保任务正常运行;然而在面对设备越来越复杂,采集到的传感器数据维度越来越高,传统方法和某些深度学习方法在处理特征关系、长时间序列数据和挖掘重要传感器数据方面存在限制;为了提高预测准确性,提出一种基于MWCEN结合Informer的混合模型——MWCEN-Informer,MWCEN通过动态工况编码算法对设备时序数据进行工况编码,对设备传感器进行一维多尺度混合卷积充分提取特征信息,使用多分支通道注意力机制增强有效特征,增强后的传感器数据输入Informer用于分析设备传感器时序数据的关联性,以实现更准确的设备RUL预测;以基于C-MAPSS的通用涡扇发动机数据集进行验证,结果表明,该模型在4个子集上的RMSE平均减少了5.5%,S-Score平均减少了4.7%,能有效提高设备在复杂工况和复杂故障下的RUL预测精度。