基于 NLMS 和 Autoformer 的滚动轴承 RUL 预测

来源：计算机技术与发展杂志2024年第03期北京时间：

作者：刘康宁;徐遵义*;李晨;闫春相

单位：山东建筑大学 计算机科学与技术学院,山东 济南 250101 Author(s): LIU Kang-ning;XU Zun-yi* ;LI Chen;YAN Chun-xiang School of Computer Science and Technology,Shandong Jianzhu University,Jinan 250101,China 关键词: 滚动轴承;剩余使用寿命预测;Autoformer 模型;NLMS 自适应滤波器;数据预处理 Keywords: rooling bearing;remaining useful life;Autoformer model;NLMS adaptive filter;data preprocessing 分类号: TP183;TH133. 33 DOI: 10. 3969 / j. issn. 1673-629X. 2024. 03. 026 摘要: 准确预测滚动轴承剩余使用寿命( Remaining Useful Life,RUL) 对维护建筑机械设备稳定运行、保障生产安全具有重要的现实需求和应用价值。 为提升滚动轴承 RUL 预测准确率,提出一种基于归一化最小均方( Normalized Least MeanSquare,NLMS)自适应滤波器和 Autoformer 长序列预测模型的滚动轴承 RUL 预测新方法。 使用 NLMS 自适应滤波器对滚动轴承原始振动信号进行降噪,从降噪振动信号中分段提取初始时域特征,采用 Spearman 相关系数进行特征筛选,经归一化后形成多维特征集;利用 Autoformer 模型中序列分解模块与自相关机制建立多维特征集与滚动轴承 RUL 之间的分段非线性映射,实现滚动轴承 RUL 预测;在 PHM 2012 数据集与 XJTU-SY 数据集上进行对比实验,结果表明该方法与已有方法相比可取得最低预测误差,均方根误差( Root Mean Squared Error,RMSE)与平均绝对误差( Mean Absolute Error,MAE) 分别提升 24. 4% 与 47. 2% ,证明了该方法在滚动轴承 RUL 预测的有效性。

摘要：准确预测滚动轴承剩余使用寿命( Remaining Useful Life,RUL) 对维护建筑机械设备稳定运行、保障生产安全具有重要的现实需求和应用价值。 为提升滚动轴承 RUL 预测准确率,提出一种基于归一化最小均方( Normalized Least MeanSquare,NLMS)自适应滤波器和 Autoformer 长序列预测模型的滚动轴承 RUL 预测新方法。 使用 NLMS 自适应滤波器对滚动轴承原始振动信号进行降噪,从降噪振动信号中分段提取初始时域特征,采用 Spearman 相关系数进行特征筛选,经归一化后形成多维特征集;利用 Autoformer 模型中序列分解模块与自相关机制建立多维特征集与滚动轴承 RUL 之间的分段非线性映射,实现滚动轴承 RUL 预测;在 PHM 2012 数据集与 XJTU-SY 数据集上进行对比实验,结果表明该方法与已有方法相比可取得最低预测误差,均方根误差( Root Mean Squared Error,RMSE)与平均绝对误差( Mean Absolute Error,MAE) 分别提升 24. 4% 与 47. 2% ,证明了该方法在滚动轴承 RUL 预测的有效性。

关键词：滚动轴承;剩余使用寿命预测;Autoformer 模型;NLMS 自适应滤波器;数据预处理