机械剩余使用寿命预测模型的增量学习方法

来源：计算机集成制造系统杂志2024年第4期北京时间：

作者：董家欢, 邱清盈, 管成

单位：浙江大学机械设计研究所

摘要：机械剩余使用寿命预测模型依据设备状态监测数据样本进行寿命预测,当样本模式发生变化时,基于原模式样本训练好的模型在新模式样本上的预测表现往往较差。为使模型保留对原模式样本的处理能力,同时拓展出针对新模式样本的处理能力,提出了3种增量学习方法：第一种方法使用新模式样本与原模式样本的标签值构建损失函数;第二种方法在第一种方法基础上增加了模型参数初始化步骤;第三种方法在第一种方法的损失函数中增加了表示当前模型与原模型参数分布差异的正则化项。在涡扇发动机数据集上进行了不同学习方法的对比实验,结果表明所提方法实现了增量学习的目标,其中第三种方法在模型预测准确度和模型训练时长两方面取得了最优的综合表现。

关键词：剩余使用寿命,涡扇发动机,深度学习,增量学习

基金资助：浙江省重点科技计划资助项目(2019C01053)。