基于DRSN和优化BiLSTM的轴承剩余寿命预测方法

• Published in: 计算机集成制造系统 Vol. 30; no. 5; pp. 1877 - 1888
• Main Authors: 文井辉, 伍荣森, 李帅永, 韩明秀
• Format: Journal Article
• Language: Chinese
• Published: 重庆邮电大学工业物联网与网络化控制教育部重点实验室,重庆 400065 31.05.2024
• Subjects: 麻雀搜索算法; bidirectional long short term memory network; 深度残差收缩网络; 双向长短时记忆网络; sparrow search algorithm; 剩余寿命预测; residual life prediction; deep residual shrinkage network
• ISSN: 1006-5911
• DOI: 10.13196/j.cims.2021.0723

TN911.7%TH86; 针对传统轴承寿命预测方法过度依赖先验知识、缺乏自适应性及退化特征难以提取导致的预测误差大的问题,提出一种自适应特征提取的基于深度残差收缩网络(DRSN)和双向长短时记忆网络(BiLSTM)的轴承剩余寿命预测方法.首先,无需任何先验知识利用DRSN对轴承原始信号进行自动特征学习,提取退化特征并构建健康指标;然后,采用麻雀搜索算法优化BiLSTM隐藏层神经元个数和学习率,基于优化的BiLSTM网络建立轴承剩余寿命预测模型;最后,进行对比实验验证:分别对比DRSN、残差网络、均值特征3种方法提取的健康指标的性能和不同的轴承剩余寿命寿命预测模型进行对比实验.实验结果表明DRSN网络提取的健康指标性能最优,同时基于优化后的BiLSTM轴承剩余寿命预测模型的误差最小,基于优化后BiLSTM、BiLSTM和长短时记忆网络(LSTM)的3种轴承剩余寿命预测模型的均方根误差分别为1.41％、2.71％、5.64％,验证了方法的有效性.