基于TCN-SA和Bi-GRU的轴承剩余寿命预测

作     者：刘业峰 王帅 刘晶晶 马祎航 

作者机构：沈阳工学院辽宁省信息物理融合与数控机床智能制造重点实验室 沈阳理工大学自动化与电气工程学院 沈阳工学院基础课部 沈阳工学院机械工程与自动化学院 

出 版 物：《计算机集成制造系统》 (Computer Integrated Manufacturing Systems)

年 卷 期：2024年

核心收录：

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] 080203[工学-机械设计及理论] 0835[工学-软件工程] 0802[工学-机械工程] 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）] 080201[工学-机械制造及其自动化] 

基　　金：国家自然科学基金资助项目(62073226) 辽宁省自然科学基金重点领域联合开放基金资助项目(2022-KF-11-1) 辽宁省科技计划联合计划资助项目(2023JH2/101700066) 流程工业综合自动化全国重点实验室开放课题(2023-kfkt-03) 

主　　题：时间卷积网络 自注意力 双向门控循环单元 剩余寿命 

摘      要：滚动轴承普遍应用于旋转机械中，其剩余使用寿命（RUL）预测对保障系统安全运行具有重要作用。由于轴承退化过程的物理复杂性，参考物理模型对其精确建模非常困难，基于数据驱动方法成为有效替代方案。因此，提出具有自注意力（SA）的时间卷积网络（TCN）和双向门控循环单元（Bi-GRU）的预测模型实现轴承的RUL预测。在TCN中嵌入SA进行特征提取，以突出关键特征对寿命预测的影响；引入Bi-GRU实现轴承最终RUL预测，以弥补TCN不能捕捉双向时间序列信息的缺陷。基于PHM 2012数据集进行测试，实验结果显示提出的方法在MAE、RMSE及Score上的值至少有10个都优于CNN、RNN、TCN、CNN-Bi-GRU、TCN-Bi-GRU和CNN-SABG，表明提出的方法提高了预测精度，具有较好的鲁棒性，适合于滚动轴承的RUL预测。