基于BiLSTM-CRF的轴承剩余寿命预测方法
滚动轴承的健康运行对机械设备的安全具有极其重要的作用，为防止滚动轴承失效而导致机械故障，通过对滚动轴承退化机理进行研究，实现对其剩余寿命的预测，已成为制造行业研究领域中的热点问题。本文通过分析滚动轴承的振动信号，研究了基于自编码器的特征融合方法，基于BiLSTM-CRF的轴承剩余寿命预测方法。本文主要研究工作如下： 1）基于轴承的失效形式、退化规律和主流的振动信号特征提取研究，通过分析并提取轴承的振动特征，针对传统自编码器融合特征范围无法确定的问题，改进自编码器的激活函数和训练方式，通过实验验证，有效提取了滚动轴承的退化特征。 2）针对现有神经网络算法预测鲁棒性差的问题，提出了基于BiLSTM-CRF的轴承剩余寿命预测方法，结合CRF算法的全局搜索能力，有效去除了BiLSTM网络输出的异常值。通过实验验证，该方法在保证原有精度的同时，较好的解决了输出不稳定的问题。 3）轴承由健康逐渐退化至损坏，为了避免轴承的损坏引起的安全故障，预测系统应对轴承退化晚期更加敏感，因而为提高轴承剩余寿命预测算法对轴承退化中后期的敏感性和运行速度，提出了基于指数映射的SMSE损失函数和基于位置编码的轴承数据抽取方法，并对轴承剩余寿命预测的网络结构进行优化，通过实验验证，该方法能够提高轴承退化后期的预测能力。
滚动轴承;剩余寿命预测;BiLSTM网络;特征融合;CRF算法
北京化工大学
硕士
计算机技术
耿志强;纪福亮
2022
中文
TH133.33
2022-11-02（万方平台首次上网日期，不代表论文的发表时间）