基于域融合健康指标和时间卷积神经网络的轴承退化趋势预测方法

【作者】 张玺森； 宋浏阳； 郭旭东； 王华庆；

【机构】 北京化工大学机电工程学院；

【摘要】 滚动轴承是旋转机械的关键部件,轴承的健康状态直接影响机器的运行状态。因此在设备故障预测与管理(Prognostics and Health Management, PHM)领域,预测轴承性能的退化趋势具有重大意义。轴承健康指标(HealthIndicators,HI)能反映轴承性能,而传统的轴承健康指标构建方法大多依赖专家经验和信号处理技术进行特征融合,为此本文提出了一种基于域融合深度神经网络构建健康指标的方法,并结合时间卷积神经网络(Temporal Convolutional Network, TCN)用于预测轴承性能退化趋势。首先,提取时域特征组成原始特征集。并通过单调性和相关性评价,从原始特征集中选择敏感特征。然后,将选定的特征输入域融合深度神经网络以构建新的健康指标。最后,基于时间卷积神经网络利用构建的健康指标实现轴承性能退化趋势预测。分别使用PHMChallenge2012轴承数据集和辛辛那提大学轴承数据集验证方法有效性,结果表明,基于域融合健康指标和时间卷积神经网络的轴承退化趋势预测方法表现出了良好的预测效果。更多还原