仪器仪表学报

作者：陈仁祥，张雁峰，徐向阳，张鹏博，杨宝军

单位：陈仁祥,1. 重庆交通大学交通工程应用机器人重庆市工程试验室,,张雁峰,1. 重庆交通大学交通工程应用机器人重庆市工程试验室,,徐向阳,1. 重庆交通大学交通工程应用机器人重庆市工程试验室,,张鹏博,1. 重庆交通大学交通工程应用机器人重庆市工程试验室,,杨宝军,2. 重庆智能机器人研究院,

关键词：滚动轴承;剩余寿命预测;对抗判别域自适应;时间卷积网络

基金：国家自然科学基金项目(51975079)、重庆市教委科学技术研究项目(KJZD-M202200701)、重庆市自然科学基金创新发展联合基金 (CSTB2023NSCQ-LZX0127)、重庆市研究生联合培养基地项目(JDLHPYJD2021007)、重庆市专业学位研究生教学案例库( JDALK2022007)、重庆交通大学研究生科研创新项目(2023S0123)资助

针对不同型号滚动轴承因结构尺寸、运行工况等差异导致轴承退化数据分布和特征尺度不一致,引起剩余寿命预测精度下降的问题,提出基于子空间域对抗判别网络的不同型号滚动轴承剩余寿命预测方法。首先,通过高效通道注意力机制提升特征提取器各通道中重要特征的权重,自适应获取不同型号滚动轴承的深层性能退化特征,并以此预训练标签预测器;然后,在对抗判别网络框架上将域判别器与特征提取器对抗训练,最小化源域和目标域在表征子空间上的正交基距离,利用表征子空间正交基不受特征缩放影响的性质克服特征尺度变化过大引起的回归性能下降问题,实现不同型号滚动轴承间的域自适应;最后,利用训练好的特征提取器提取待预测轴承退化特征,输入标签预测器得到剩余寿命。在PRONOSTIA、XJTU-SY和自测数据集上进行了验证,实验结果表明所提方法能充分学习源域特征分布信息,有效克服不同型号下的特征尺度差异,相比其他域自适应方法效果提升20%至40%。

来源：2024年第3期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2024年第3期