27 / 2021-08-30 16:02:44

基于难负样本对比学习的轴承剩余寿命预测

难负样本；对比学习；门控循环单元；剩余使用寿命预测

近些年来，深度学习已经成为轴承剩余使用寿命预测中的一个热门方向。目前基于深度网络的轴承寿命预测方法往往将轴承原始数据经过神经网络提取高维特征，再利用特征预测轴承的剩余寿命，这种方式忽略轴承原始数据上下文信息，会导致预测模型在针对不同轴承时泛化能力下降，严重影响预测精度。为了解决上述问题，本文提出了基于难负样本对比学习的滚动轴承剩余寿命预测方法。针对全寿命周期轴承振动数据在健康阶段振动信号变化不明显，正负样本差异性很小的特点，该方法构造了轴承数据的正样本和难负样本，设计了一种卷积-自回归-解码器的预测模型结构，并结合均方误差和交叉熵损失函数提出了一种新颖的损失函数，通过正负样本的对比训练提升模型对细粒度的识别能力。使用IEEE PHM Challenge 2012数据集来验证所提方法，与现有其他方法相比，本文所提方法在提取原始数据特征的同时考虑数据间的上下文信息，在不同工况的多个轴承上均取得了满意的预测精度。