采用TCN-HS的滚动轴承剩余使用寿命预测_王体春.pdf
《采用TCN-HS的滚动轴承剩余使用寿命预测_王体春.pdf》由会员分享,可在线阅读,更多相关《采用TCN-HS的滚动轴承剩余使用寿命预测_王体春.pdf(8页珍藏版)》请在咨信网上搜索。
1、 ()年 第 卷 第 期 收稿日期:基金项目:江苏省自然科学基金面上项目();国家自然科学基金项目();华东空管局科技项目作者简介:王体春,男,博士,副教授,主要从事知识工程与可拓工程、人工智能及应用研究,:。本文引用格式:王体春,吴广胜,咸玉贝,等 采用 的滚动轴承剩余使用寿命预测 重庆理工大学学报(自然科学),():,(),():()采用 的滚动轴承剩余使用寿命预测王体春,吴广胜,咸玉贝,胡玉峰(南京航空航天大学 机电学院,南京;中国民用航空华东地区管理局,上海)摘 要:滚动轴承作为旋转机械中的关键部件,对其剩余使用寿命()的准确预测可以帮助维修人员及时制定维修计划,延长设备工作时间,保证
2、安全。由于利用数学建模精确建立轴承退化过程的模型涉及到复杂的物理过程,所以以深度学习为基础的基于数据驱动的方法已经成为主流方法。提出了一种融合混合膨胀卷积与自适应斜率软阈值函数的时间卷积神经网络()用于滚动轴承寿命预测。模型使用混合膨胀卷积()解决了栅格效应问题,并利用自适应斜率软阈值函数()进一步筛选特征。为了验证 模型的有效性,基于 轴承数据集进行了实验,结果表明:改进方法提升了模型的性能,预测结果准确。关 键 词:剩余寿命预测;时间卷积神经网络;混合膨胀卷积;自适应斜率软阈值函数中图分类号:文献标识码:文章编号:()引言滚动轴承无论在制造业、运输业或者是航空航天业中都是旋转机械中必不可少
3、的组成部分,例如雷达驱动机构中的滚动轴承或者是直升机传动系统中的滚动轴承,无论是哪种旋转机械,滚动轴承都起到至关重要的作用。然而,由于其经常工作在恶劣的环境中,发生故障是不可避免的,并且伴随着故障的发生常常导致安全事故和重大经济损失,比如直升机驱动机构受损导致的安全事故和雷达故障停机所需的维护成本。所以对滚动轴承的剩余寿命进行准确的预测是非常必要的,准确的剩余寿命预测可以帮助我们提前制定维修计划,延长设备使用时间,保证人身安全。以深度学习为基础的基于数据驱动的方法可以实现端到端的机械设备健康监测,雷亚国等提出了一种利用机械频域信号训练深度神经网络的方法,等提出的深度残差伸缩网络()用于机械故障
4、诊断,等提出的结合软阈值与注意力机制的时间卷积神经网络()。上述三者的优势都在于无需具备信号处理技术与故障诊断的先验知识,借助深度学习模型就可以完成故障特征的自适应提取与健康状况的智能诊断。然而前两者使用的模型忽略了振动信号的时序特性,等提出的 虽然利用了振动信号的时序特性,但是由于膨胀卷积的稀疏采样方式存在网格效应(),损失了信息的连续性与相关性,并且软阈值函数完全保留了阈值以外的信号,其中可能存在噪声。基于此,本文提出一种 模型,该方法将混合膨胀卷积()与自 适 应 斜 率 软 阈 值 函 数()融合到时间卷积网络中,混合膨胀卷积解决了网格效应(),自适应斜率软阈值函数则进一步对经过软阈值
5、降噪后的信号特征进行筛选,以 轴承数据集进行算法性能对比,验证了所提模型的有效性。模型 基本模块 的基本模块组成如图 所示,由预激活模块、阈值计算模块和斜率计算模块组成。图 基本模块 预激活模块根据激活函数与卷积层的相对位置关系,其组合方式可以分为“预激活”与“后激活”,模型采用“完全预激活”,即批标准化层和激活函数都放到一维膨胀因果卷积的前面,如图 所示。使用预激活有 个优点:变为恒等映射,使得网络更易于优化;使用批标准化层作为预激活可以加强对模型的正则化。在预激活模块中激活函数选择,牺牲了梯度的硬零稀疏性,因此在优化期间更稳健。式()为 函数。(),()式中:为泄漏率,在,的区间内,这样函
6、数就保留了一些负轴的信息,而非全部舍弃掉。图 完全预激活模块 丢弃层是为了防止训练中模型发生过拟合。丢弃层后为膨胀因果卷积层,膨胀卷积()是通过跳过部分输入使 可以应用于大于 本身大小的区域,等同于通过增加空洞从原始 中生成更大的。和传统卷积不同的是,膨胀卷积在卷积操作时存在空洞,采样时的间距由膨胀率()即图 中的 控制。图 膨胀卷积 输入层的膨胀率 ,表示对于输入的每个像素都进行采样,隐藏层膨胀率 ,表示对于本层的输入,间隔一个点采样一个作为输入。一般来讲,层数越深,当前层的膨胀率越大。所以,膨胀卷积可以使感受野随着层数越深而呈指数型增长,这样在网络中就可以用较少的网络层数,却获得了普通卷积
7、网络深度很大时才可以获得的感受野。自适应斜率软阈值函数模块软阈值函数通常被用于振动信号的去噪中,软阈值函数如式()所示。(),()王体春,等:采用 的滚动轴承剩余使用寿命预测式中:表示阈值,是一个正数。从式()可以看出,软阈值化就是将 ,区间内的信号特征置为,将大于 的信号特征减,将小于 的信号特征加。软阈值函数还有一个好处就是求导后梯度只有 和,如式()所示,这样避免了梯度爆炸和梯度消失现象。,()但同时软阈值函数也完全保留了阈值区域之外的特征,这些特征可能包括噪声,影响剩余寿命预测的结果。因此,使用了一种自适应斜率软阈值函数来代替软阈值函数。自适应斜率单元使网络能够有效地学习阈值区域之外的
8、有用信息,对于软阈值函数筛选出的特征赋予不同的权重,而不是完全保留它们。自适应斜率阈值的函数表示为:()(),(),()式中:表示输入;表示输出;表示阈值;表示斜率。在 中,自适应软阈值斜率函数由阈值计算模块和斜率计算模块组成。阈值计算模块如图 所示,在这个模块中,首先输入在绝对值层的所有特征的绝对值,获得的输入的绝对值经过全局平均池化层,得到一个特征;在另一条路径中,全局平均池化层输出的特征输入到一个以 函数作为最后一层的子网络中,这样子网络的输出会归一化到 ,将全连接层的输出记为。最终的阈值可以表示为 。因此,阈值就是一个 的数字乘以特征图的绝对值的平均值。通过这种方式,保证了阈值为正,而
9、且不会太大。图 阈值计算模块 自适应斜率软阈值函数的斜率计算模块如图 所示,与阈值计算模块相似,二者的不同之处是本模块只有一条路径,即对输入特征图的所有特征求绝对值,经过全局平均池化层后直接输入到子网络中,最后经过 函数归一化之后的全连接网络的输出就是斜率。图 斜率计算模块 值得注意的是,经过上述 个模块的运算,不同的样本就有了不同的阈值。因此,在一定程度上,可以理解成一种特殊的注意力机制:软阈值函数可以注意到与当前任务无关的特征,通过软阈值化,将它们置为零;或者说,注意到与当前任务有关的特征,将它们保留下来并且输出,而斜率则是对软阈值函数已经筛选出的特征进一步赋予不同的权重。在训练过程中,模
10、型会自适应调整阈值 与斜率 的值来使模型输出与真实值之间的差值最小化。表 为、融合软阈值函数的 和融合自适应软阈值函数的 在处理同一段加了噪声的轴承加速度信号时进行轴承剩余寿命预测的结果,可以看出融合了自适应软阈值函数的模型效果最好。表 不同模型结果轴承融合软阈值函数的 融合自适应软阈值函数的 轴承 轴承 轴承 残差连接残差链接解决了深层网络的训练问题,在神经网络中,当网络很深时,除了增加计算资源消耗以及模型过拟合问题外,还会出现梯度消失或是梯度爆炸问题,导致浅层网络参数无法更新,而残差连接可以实现网络各层级之间的跨层传递信息。残差连接将输出表述为输入和输入的一个非线性变换的线性叠加,如图 所
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 采用 TCN HS 滚动轴承 剩余 使用寿命 预测 王体春
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。