基于DRN-BiGRU模型的滚动轴承剩余寿命预测

作者：陈倩倩,林天然. 日期：2023-01-30/span> 浏览：1174 查看PDF文档

摘要:深度神经网络在剩余寿命预测(RUL)领域已获得了广泛应用,为进一步优化预测模型,充分提取数据间的时序信息,提高寿命预测的准确率,提出了一种结合深度残差网络(DRN)和双向门控循环单元(BiGRU)的剩余寿命预测(RUL)模型。首先,采用滑窗法对原始数据进行了重采样,对数据集进行了扩充;然后,设计了一种DRN-BiGRU网络模型,其中,利用DRN对输入数据进行空间特征提取,利用BiGRU捕获时域数据中包含的过去和未来两方向的相关特征,充分获取输入数据的时序退化信息,进一步改善了模型的特征提取效果;最后,采用公开发表的PHM2012数据集对模型进行了验证,并将得到的预测结果与采用DRN、DRNGRU和全卷积神经网络(FCNN)模型获得的结果进行了对比。研究结果表明:在滚动轴承剩余寿命预测应用中,采用基于DRNBiGRU模型的方法获得的3项误差值(MAE、MSE、RMSE)最低,预测Score值最高,分值为0.985;该结果验证了基于DRNBiGRU模型在轴承剩余寿命预测应用方面的准确性和有效性。

关键词:预测与健康管理;数据驱动预测方法;剩余寿命预测模型;深度残差网络;双向门控循环单元;轴承加速退化数据集

中图分类号:TH133.33;TH17文献标识码:A文章编号:1001-4551(2022)11-1575-07


本文引用格式:

陈倩倩,林天然.基于DRN-BiGRU模型的滚动轴承剩余寿命预测［J］.机电工程,2022,39(11):1575-1581.

CHEN Qian-qian, LIN Tian-ran. Remaining useful life prediction of rolling bearings based on DRN-BiGRU algorithm［J］.Journal of Mechanical & Electrical Engineering, 2022,39(11):1575-1581.