基于N-BEATS神经网络的滚动轴承剩余寿命预测

摘要：

针对轴承剩余使用寿命预测时采集到的信号序列复杂且不平稳,导致预测精度和性能较低的问题,采用经验模式分解对信号序列进行自适应分解,利用动态时间规整算法筛选主要退化特征,提取信号序列趋势特征,使用具有残差原理的深层神经网络N-BEATS进行预测.对于预测历史数据较少的问题,采用递归与直接相结合的预测结构对剩余寿命进行多步预测.将N-BEATS与长短时记忆神经网络、灰色预测模型进行比较,结果表明在不同工况下,所提出的方法预测结果的平均绝对误差相较于LSTM、灰色预测模型分别提升了3.2％以及3.3％,相对均方根误差分别提升了 3.5％以及3.1％.

关键词：计量学、滚动轴承、剩余寿命预测、动态时间规整(DTW)、N-BEAT神经网络

所属期刊栏目：44

分类号：TB936;TB973(计量学)

资助基金：国家自然科学基金;中央引导地方科技发展资金;中央引导地方科技发展资金;河北省自然科学基金

在线出版日期：2023-09-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1240-1247