基于FCM-EJDA特征迁移的跨工况关键部件剩余寿命预测

摘要

工业设备关键部件经常工作在多种不同工况下，在不同工况下其退化数据分布可能出现显著差异，从而影响跨工况剩余寿命(remaining useful life, RUL)预测的精度。为此，提出了一种基于模糊C均值与增强联合分布适配的剩余寿命预测方法。首先，利用层次分析法结合多种相似性指标，对候选数据集与目标域的退化过程进行综合评估，从而选取最优源域。其次，通过模糊C均值聚类进行无监督退化状态划分，并结合引入二阶统计量最大协方差差异的增强联合分布适配，实现边缘分布和条件分布的有效对齐。然后，构建基于注意力机制的双向长短期记忆网络预测模型，并实现工业关键部件的RUL预测。最终，在IEEE PHM2012和XJTU-SY公开数据集上进行了仿真实验，对所提方法进行评估，验证了所提方法的有效性。

关键词

联合分布适配 / 模糊C均值 / 剩余寿命预测 / 层次分析法 / 迁移学习 / 长短期记忆网络