基于多域退化特征生成的RV减速器寿命预测

来源：计算机集成制造系统杂志2026年第5期北京时间：

作者：文娟, 宋洋, 林苏奔, 武忧, 潘柏松

单位：1.浙江工业大学机械工程学院2.西南交通大学轨道交通运维技术与装备四川省重点实验室3.恒丰泰精密机械股份有限公司

摘要：针对旋转矢量(RV)减速器全寿命周期数据稀缺导致寿命预测困难的问题,提出一种基于多信息域退化特征生成的寿命预测方法。首先从振动信号中提取40个多信息域初始特征,借助趋势性指数与聚类算法构建性能退化指标体系,筛选出与减速器性能状态高度关联的典型特征;然后,利用基于时间序列生成对抗网络(TimeGAN)生成与真实退化特征数据分布相似的虚拟样本,有效扩充训练数据集;最后,设计融合卷积神经网络(CNN)与长短期记忆网络(LSTM)的卷积长短期记忆网络(C-LSTM)模型,建立退化特征与剩余寿命的映射关系。通过设计对照实验验证提出方法的有效性:对比TimeGAN与深度卷积生成对抗网络(DCGAN)的虚拟数据生成质量,并评估C-LSTM模型与传统模型的预测性能。结果表明:TimeGAN生成的虚拟数据在时间序列变化趋势与概率分布特征上较DCGAN更逼近真实数据;C-LSTM的寿命预测结果均方根误差、平均绝对误差和均方误差较传统方案均大幅下降,且利用扩增数据的结果较仅使用真实数据的均方根误差、平均绝对误差和均方误差分别降低了81.20%、79.30%和96.47%,充分验证了多信息域特征生成框架与混合神经网络模型的优越性。

关键词：旋转矢量减速器,时间序列生成对抗网络,寿命预测,多维时间序列,深度学习

基金资助：浙江省自然科学基金资助项目(LQ24E050021);西南交通大学轨道交通运维技术与装备四川省重点实验室开放基金资助项目(2022YW001)。