一种基于可解释深度学习的旋转机械寿命预测模型
机器学习
2020-04-29 v1 信号处理
摘要
本文开发了一种可解释的深度学习模型，用于估计旋转机械的剩余使用寿命。该模型利用自编码器从傅里叶变换中提取高层特征。这些特征作为前馈神经网络的输入以估计剩余使用寿命。本文通过分析特征的构成以及特征与估计结果之间的关系来解释模型的行为。为了使模型可解释，本文引入了倍频程带滤波。该滤波减小了自编码器的输入规模并简化了模型。案例研究展示了解释模型的方法。该研究还表明，模型中的倍频程带滤波模拟了低层卷积层的功能。这一结果支持了使用滤波来降低模型深度的有效性。
引用
@article{arxiv.2004.13608,
title = {An Explainable Deep Learning-based Prognostic Model for Rotating Machinery},
author = {Namkyoung Lee and Michael H. Azarian and Michael G. Pecht},
journal= {arXiv preprint arXiv:2004.13608},
year = {2020}
}