-
题名基于CNN的轴承剩余寿命区间预测
被引量:1
- 1
-
-
作者
周明珠
张艺宝
吴双
孔丽军
王梓齐
-
机构
内蒙古霍煤鸿骏铝电有限责任公司
湖南中融汇智信息科技股份有限公司
浙江大学控制科学与工程学院
浙江大学湖州研究院
-
出处
《机电工程》
CAS
北大核心
2023年第8期1225-1230,共6页
-
基金
国家自然科学基金面上项目(61973269)。
-
文摘
针对轴承剩余使用寿命(RUL)预测中的不确定性量化问题,综合考虑数据不确定性与模型不确定性,提出了一种基于卷积神经网络(CNN)的RUL区间预测方法。首先,对轴承输入数据进行了预处理,并提取了轴承振动信号的时域特征,选用有强趋势性的参数作为模型输入,接着设计了一个在输出层放置正态分布的CNN模型,将其用于点预测及数据不确定性的捕捉;然后,采用集成方法对模型不确定性进行了量化,输出了区间预测结果;最后,采用PHM2012轴承退化公开数据集对基于CNN的区间预测方法的有效性进行了验证,并将结果与采用贝叶斯神经网络(BNN)所得结果进行了比较。实验结果表明:在轴承RUL预测的应用中,基于CNN的区间预测方法的区间覆盖率(PICP)最高,其值比BNN高出了63.9%,点预测结果的均方根误差(RMSE)值最小,其值为0.1997。研究结果表明:基于CNN的区间预测方法可确保点预测估计的准确性,同时,在描述预测不确定性方面具有更大的优越性和实际意义。
-
关键词
滚动轴承
剩余使用寿命
区间预测
不确定性量化
卷积神经网络
区间覆盖率
-
Keywords
rolling bearing
remaining useful life(RUL)
interval prediction
uncertainty quantification
convolutional neural network(CNN)
prediction interval coverage probability(picp)
-
分类号
TH133.3
[机械工程—机械制造及自动化]
TH17
[机械工程—机械制造及自动化]
-
-
题名航段油耗深度学习高质量区间预测算法
- 2
-
-
作者
陈静杰
赵华治
-
机构
中国民航大学电子信息与自动化学院
中国民航大学中欧航空工程师学院
-
出处
《计算机工程与设计》
北大核心
2022年第2期450-457,共8页
-
基金
中美绿色航线基金项目(GH201661279)。
-
文摘
为提高给定置信水平下航段油耗区间预测结果的可靠性和稳定性,提出航段油耗深度学习高质量区间预测算法。通过对初级数据源进行按航段分类、无量纲化等预处理,提高预测结果的可靠性和算法的普适性;通过自适应相关参数、柔和化处理优化损失函数,进一步提高算法的可靠性、稳定性和普适性。训练得到的预测区间覆盖率在设定的置信水平周围,多次训练结果与置信水平的误差不超过1个数据点引起的覆盖率变化;对样本数大于10的、任意分布的航段均能实现区间预测。算法性能分析比较实验结果表明了该算法的有效性,其性能优于其它算法。
-
关键词
置信水平
预测区间覆盖率
预测区间平均长度
航段油耗
深度学习
区间预测算法
-
Keywords
confidence level
prediction interval coverage probability
mean prediction interval width
aircraft segment fuel
deep learning
interval prediction algorithm
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-