科创中国
一种基于Cycle-GAN和在线特征迁移的轴承剩余寿命预测方法
发布时间: 2022-11-30
来源: 科技服务团
基本信息
合作方式：
技术服务
成果类型：
发明专利
行业领域：
电子信息技术
成果介绍
本发明公开了一种基于Cycle‑GAN和在线特征迁移的轴承剩余寿命预测方法，涉及球轴承技术领域；基于Cycle‑GAN网络和在线特征迁移的轴承剩余寿命预测方法包括以下步骤：步骤一、构建改进型Cycle‑GAN网络，轴承振动数据进行小波变换预处理，进行重构特征增强，然后再将其输入到网络中，通过对抗训练生成大量振动数据样本；步骤二、将生成的振动数据样本混合到真实振动数据样本中，再将混合后的样本数据输入CNN网络进行特征提取，由LSTM输出层进行寿命预测，并对输出数据做滑窗处理平滑曲线，最终实现轴承的寿命预测；步骤三、基于已训练的Cycle‑GAN网络，研究基于特征自适应的在线迁移方法，利用源域网络模型中的特征进行迁移学习，实现目标域数据集的轴承剩余寿命预测。
成果亮点
1.基于风格迁移的特点，改进Cycle-GAN网络，生成网络中的上采样和下采样结构中增加连接层，将振动数据中的高幅值特征信息进行保留，提高Cycle-GAN网络预测精度；在目标函数中依据时间序列匹配机制添加了动态时间规整惩罚项，使预测振动信号与原始信号间距最小化，使预测数据更加贴近真实数据。增强了剩余寿命的预测能力。
2.基于特征自适应的在线迁移方法对已经训练好的Cycle-GAN网络进行特征迁移，利用特征参数知识迁移减小源域数据与目标域数据之间的特征分布差异，用知识蒸馏方法对原网络模型中的特征进行有目的的筛选提取，加快目标域特征收敛。在线迁移方法加快收敛速度，提高轴承寿命预测模型的准确性。
团队介绍
材料科学与化学工程学院现有教职工170人，其中新世纪百千万人才工程国家级人选1人，教育部新世纪人才1人，全国优秀教师1人，龙江学者3人，省杰青4人，省思政名师1人，省级教学师德标兵4人，黑龙江省研究生优秀导师团队2个，博士生导师25人，硕士生导师106人。
成果资料
产业化落地方案
成果综合评价报告
评价单位：“科创中国”黑龙江科技服务团 (黑龙江省科学技术协会) 评价时间：2023-11-11
评价单位：“科创中国”黑龙江科技服务团 (黑龙江省科学技术协会) 评价时间：2022-12-07
袁国辉
哈尔滨工业大学
教授
综合评价
实验表明，针对新的目标域数据构建全新的且参数初始化的网络模型，用知识蒸馏方法对原网络模型中的特征进行有目的的筛选提取，可加快目标域特征收敛。相较于普通迁移学习方法，具有较高的准确率和收敛速率。所迁移的目标域数据集测试效果如图11所示，且在线学习耗时较短，可持续从源域中迁移特征知识到目标域中在加快训练速度的同时，保证网络模型的训练精度。
查看更多>
微信公众号
下载app
Copyright © 2022 中国科学技术协会 版权所有 | 京ICP备16016202号-20
京公网安备 11010202008974号