基于多尺度工况增强网络及Informer的设备剩余寿命预测

来源：计算机测量与控制杂志2024年第8期北京时间：

作者：刘付渝杰

摘要：设备RUL预测在提高设备可靠性、安全性、降低维护成本等方面具有重要意义。通过提前发现设备的健康状态和潜在故障，RUL预测有助于降低突发故障风险、延长设备寿命，提高工作效率，确保任务正常运行。然而在面对设备越来越复杂，采集到的传感器数据维度越来越高，传统方法和某些深度学习方法在处理特征关系、长时间序列数据和挖掘重要传感器数据方面存在限制。为了提高预测准确性，提出一种基于MWCEN结合Informer的混合模型——MWCEN-Informer，MWCEN通过动态工况编码算法对设备时序数据进行工况编码，对设备传感器进行一维多尺度混合卷积充分提取特征信息，使用多分支通道注意力机制增强有效特征，增强后的传感器数据输入Informer用于分析设备传感器时序数据的关联性，以实现更准确的设备RUL预测。以基于C-MAPSS的通用涡扇发动机数据集进行验证，结果表明，该模型在四个子集上的RMSE平均减少了5.5%，S-Score平均减少了4.7%，能有效提高设备在复杂工况和复杂故障下的RUL预测精度。

关键词：剩余寿命预测;多尺度卷积;工况编码;注意力机制;Informer

基金资助：广东省市场监督管理局科技项目（2024CZ11）茂名市科技计划项目（230506164551410）