10.3969/j.issn.1009-9492.2024.07.005
一种多阶段机械装备剩余寿命预测新方法及应用
针对机械装备剩余寿命预测精度不高的问题,提出了一种基于深度迁移学习的多阶段剩余寿命预测新方法.该方法的核心思想是先确定机械装备的健康状态,对已进入退化状态的装备启动预警和剩余寿命预测机制,以大幅提高剩余寿命预测的准确性.在第一阶段,采用卷积自编码器和皮尔逊相关系数相结合的方法建立健康指标,通过快速搜索和发现密度峰聚类方法进行在线健康识别;在第二阶段,将故障数据输入一个多通道可迁移的双向长短时记忆网络预测模型,通过添加领域适配模块逐步减小特征分布差异,以便获得最优的训练模型,得到更具有泛化能力的回归结果.以IEEE2012PHM轴承全寿命数据集为例,与其他相关方法相比,获得了最小的预测误差.实验结果验证了所提方法的有效性和准确性,且无需进行手动阈值设置,具有很高的推广及应用价值.
机械装备、深度迁移学习、多阶段、剩余寿命预测
53
TH17
辽宁省教育厅高等学校基本科研项目;辽宁省教育厅高等职业教育开放办学合作项目
2024-08-13(万方平台首次上网日期,不代表论文的发表时间)
共6页
23-28