利用一种新颖趋势特征构建方法的递归神经网络剩余使用寿命预测方法
信号处理
2021-12-13 v1
摘要
用于剩余使用寿命(RUL)预测的数据驱动方法通常从先验退化信息的固定窗口尺寸中学习特征,由于局部特征的变化,这可能导致在不同数据集上预测结果准确性较低。本文提出一种依赖于代表退化整体时间序列的趋势特征的RUL预测方法。创建了完备集合经验模态分解及随后的重构过程以构建趋势特征。由条件神经过程学习的传感器测量概率分布用于评估趋势特征。利用最佳趋势特征,开发了使用长短期记忆(LSTM)的数据驱动模型来预测RUL。为证明所提方法的有效性,在基准C-MAPSS数据集上进行了实验,并与其他state-of-the-art方法进行比较。比较结果表明,所提方法在所有RUL预测中取得了最小的均方根值。
引用
@article{arxiv.2112.05372,
title = {A recurrent neural network approach for remaining useful life prediction utilizing a novel trend features construction method},
author = {Sen Zhao and Yong Zhang and Shang Wang and Beitong Zhou and Cheng Cheng},
journal= {arXiv preprint arXiv:2112.05372},
year = {2021}
}