基于全卷积变分自编码网络FCVAE的轴承剩余寿命预测方法

摘要：

由于制造工艺、运行环境等的影响,同型号轴承的使用寿命往往存在较大的个体差异性.在轴承剩余寿命预测中,如果从信号中提取的特征的泛化能力不足,将导致模型预测结果稳定性较差.为此,提出一种基于全卷积变分自编码网络(FCVAE)的轴承的剩余寿命预测方法.该方法用全卷积神经网络(FCNN)改进变分自编码器(VAE),在降低网络复杂度的同时强化所提取特征的泛化能力,并利用频域信号作为模型输入,以进一步降低特征学习的难度,同时设计加权平均方法平滑预测结果.通过试验数据集对所提方法进行验证,结果表明:该方法预测结果的平均误差相比于传统支持向量回归(SVR)降低了64％,比卷积神经网络(CNN)降低45.5％,比VAE降低47.5％.

关键词：全卷积变分自编码、轴承、特征提取、剩余寿命预测

所属期刊栏目：39

分类号：TH17

资助基金：国家重点研发计划2017YFB1201201-06

在线出版日期：2020-11-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：13-18,25