基于N-BEATS神经网络的滚动轴承剩余寿命预测

来源：计量学报杂志2023年第8期北京时间：

作者：时培明,苏世敏,马慧中,许学方,韩东颖

单位：燕山大学 河北省测试计量技术及仪器重点实验室, 河北 秦皇岛 066004

摘要：针对轴承剩余使用寿命预测时采集到的信号序列复杂且不平稳,导致预测精度和性能较低的问题,采用经验模式分解对信号序列进行自适应分解,利用动态时间规整算法筛选主要退化特征,提取信号序列趋势特征,使用具有残差原理的深层神经网络N-BEATS进行预测。对于预测历史数据较少的问题,采用递归与直接相结合的预测结构对剩余寿命进行多步预测。将N-BEATS与长短时记忆神经网络、灰色预测模型进行比较,结果表明在不同工况下,所提出的方法预测结果的平均绝对误差相较于LSTM、灰色预测模型分别提升了3.2%以及3.3%,相对均方根误差分别提升了3.5%以及3.1%。

关键词：计量学; 滚动轴承;剩余寿命预测; 动态时间规整(DTW); N-BEAT神经网络

基金资助：国家自然科学基金(61973262); 中央引导地方科技发展资金(216Z4301G,216Z2102G); 河北省自然科学基金(E2020203147)