基于FA-LN-BiGRU的机械设备剩余寿命区间预测方法

TH17; 针对数据驱动融合模型存在前后模型不匹配、关键信息丢失等问题,提出了一种端对端的预测方法,即基于特征注意力机制的对数正态分布和双向门控循环单元融合(feature attention-lognorm-bidirectional gated recurrent unit,简称FA-LN-BiGRU)的剩余寿命区间预测方法.首先,利用特征注意力机制从多维度、非线性和大规模的传感器信号中提取出关键特征向量;其次,采用BiGRU网络从前向和后向2个方向对注意力加权特征的时变特性进行建模学习,并通过最大似然估计损失函数来训练网络参数,获得网络隐含状态输出向量的概率分布;最后,计算出基于对数正态...

Full description

Saved in:
Bibliographic Details
Published in振动、测试与诊断 Vol. 43; no. 3; pp. 513 - 519
Main Authors 梁伟阁, 闫啸家, 佘博, 张钢, 田福庆
Format Journal Article
LanguageChinese
Published 海军工程大学兵器工程学院 武汉,430033%大连舰艇学院导弹与舰炮系 大连,116000 01.06.2023
Subjects
对数正态分布
特征注意力机制
区间预测
剩余寿命预测
融合预测模型
Online AccessGet full text
ISSN1004-6801
DOI10.16450/j.cnki.issn.1004-6801.2023.03.013

Cover

More Information
Summary:TH17; 针对数据驱动融合模型存在前后模型不匹配、关键信息丢失等问题,提出了一种端对端的预测方法,即基于特征注意力机制的对数正态分布和双向门控循环单元融合(feature attention-lognorm-bidirectional gated recurrent unit,简称FA-LN-BiGRU)的剩余寿命区间预测方法.首先,利用特征注意力机制从多维度、非线性和大规模的传感器信号中提取出关键特征向量;其次,采用BiGRU网络从前向和后向2个方向对注意力加权特征的时变特性进行建模学习,并通过最大似然估计损失函数来训练网络参数,获得网络隐含状态输出向量的概率分布;最后,计算出基于对数正态分布的概率密度函数,实现设备剩余寿命(remaining useful life,简称RUL)不确定性的衡量.分析结果表明,对于运行条件复杂和故障模式多变的多维监测数据,所提方法能够深入挖掘性能退化信息,有效提高机械设备剩余寿命点预测和区间预测的准确度和可靠性.
ISSN:1004-6801
DOI:10.16450/j.cnki.issn.1004-6801.2023.03.013