计算机应用研究

作者：董志民,董洁超,

单位：1.濮阳职业技术学院数学与信息工程学院,河南濮阳457000；2.河南大学濮阳工学院,河南濮阳457000；3.中国工商银行软件开发中心,北京100080；

关键词：滚动轴承,剩余寿命预测,孪生多卷积长短时记忆网络,域对抗网络,

基金：河南省高等学校重点科研项目(18B520030)；；

针对在不同工作条件和不同故障形式下，滚动轴承剩余寿命预测泛化能力差和精确度不高的问题，提出一种基于孪生多卷积长短时记忆网络（S-MCLSTM）和域对抗网络（DANN）的剩余寿命预测方法。首先针对不同的工作条件对退化过程的影响，提出基于S-MCLSTM的差异化特征提取器以提取一定时间间隔的两个样本之间的差异化特征。同时，进一步使用工作条件判别器与差异化特征提取器进行对抗训练，减少由于工作条件的原因产生的冗余特征。之后针对故障形式对退化过程的影响，设计了故障诊断器用于和差异化特征提取器对抗训练。最后，考虑到滚动轴承一般退化过程中，不同阶段的退化过程与特征之间的映射关系可能存在的差异，提出了阶段判别器，并在不同阶段应用不同的剩余寿命预测器进行预测。最终在西安交通大学XJTU-SY轴承数据集上的实验表明，该方法在多种工作条件和故障形式下都能较准确地预测剩余寿命，有较为广泛的应用前景。

来源：2024年第9期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第9期