基于联合域适应的轴承剩余使用寿命预测方法
来源：振动与冲击杂志2025年第14期北京时间：
作者：时爱民，王波nuaawb,，刘良将，杨文龙，朱梦迪
单位：1.安徽理工大学机电工程学院，安徽 淮南232001；2.滁州学院机械与电气工程学院，安徽 滁州239000
摘要：针对基于无监督迁移学习轴承剩余使用寿命（remaining useful life，RUL）退化数据分布存在显著差异，导致模型预测精度较低的问题，提出了一种联合域适应轴承RUL预测方法，生成高质量伪标签以提高RUL预测精度。首先，融合有效通道注意力网络(efficient channel attention network，ECA-Net）与卷积神经网络(convolutional neural network，CNN)，提高模型的特征提取能力；然后，采用最大均方差异（maximum mean square difference，MMSD）度量方法减少源域与目标域之间退化数据的分布差异，生成高质量伪标签；同时，比较源域真实标签和高质量目标域伪标签的差异，为样本分配权重以引导模型对抗训练，进一步提升模型性能；最后，为验证所提方法的有效性和优越性，在IEEE PHM Challenger 2012轴承数据集上与其它方法对比。实验结果表明，所提方法生成了高质量的伪标签，具有更佳的预测精度。<br>
关键词：剩余使用寿命；轴承；无监督迁移学习；联合域适应；伪标签
