摘要
本发明公开了一种基于联合域适应的轴承剩余使用寿命预测方法,包括构建预测模型,该预测模型的构建方法包括以下步骤:S1、融合ECA‑Net和CNN网络,构建ECA‑CNN特征提取器,提取轴承源域数据和目标域数据退化特征;S2、将模型迁移到目标域上采用联合域适应方法在目标域训练集上进行训练,以提高模型预测性能;S3、训练完成后使用目标域测试集进行测试,得到轴承测试集的预测RUL来评估模型性能。本发明采用MMSD度量方法在特征层面上对齐轴承源域和目标域,减小了源域和目标域之间的差异,生成了高质量伪标签,并用于引导权重对抗训练网络模型的鉴别器和生成器对抗训练,提高了模型在无监督情况下轴承剩余使用寿命预测精度。
技术关键词
剩余使用寿命预测
特征提取器
退化特征
构建预测模型
度量
标签
训练鉴别器
样本
数据
全局平均池化
网络
代表
下轴承
误差
参数
时序
批量
系统为您推荐了相关专利信息
优化控制系统
空调单元
温度变化信息
温度传感单元
模式
深度信念网络模型
异常状态
环境监测数据
非线性映射关系
水质
调度员培训
自然语言
循环神经网络模型
资源
标签
驾驶员疲劳状态
实时监测方法
报警器
校正
多模态生物特征