基于可变形卷积的轴承剩余寿命预测

摘要

针对在滚动轴承剩余寿命(RUL)预测任务中神经网络的普通卷积核提取到的特征分布不均问题，建立了基于注意力的深度可变卷积残差网络(ADRN)以提取轴承的退化特征并计算健康因子(HI)。通过连续小波变换(CWT)提取轴承的时频特征，采用ADRN提取轴承时频图中的退化特征，并通过Tanh激活函数得到HI。为提升对异常值的约束能力，在整个网络中采用提出的动态损失函数进行训练。使用Savitzky-golay滤波器平滑HI后，由多项式函数拟合HI得到回归方程，预测出轴承的RUL。在PHM2012数据集上的实验仿真证明，提出的方法得到了更准确的预测结果。

关键词

滚动轴承剩余寿命预测 / 可变形卷积 / 注意力机制 / 动态损失函数 / 连续小波变换