滚动轴承prognostics中基于无监督学习的动态健康指示构建框架
机器学习
2026-05-25 v1 人工智能
摘要
健康指示（Health Indicator，HI）在滚动轴承的退化评估和预报故障中发挥着关键作用。虽然已研究了各种HI构建方法，但大多数方法依赖专家知识进行特征提取，忽略了捕获序列退化过程中隐藏的动态信息，这限制了所构建HI在表示退化趋势和预报方面的能力。为了解决这些问题，本文构建了一种考虑HI层次时间依赖性的新型动态HI，通过一种无监督框架实现。具体而言，首先，由一种基于跳跃连接的自编码器组成的退化特征学习模块，将原始信号映射到代表性退化特征空间（DFS），以自动提取基本退化特征，无需专家知识。随后，在该DFS中，提出了一种嵌入内部HI预测模块的新的HI生成模块，用于动态HI构建，其中对过去HI状态与当前HI状态之间的时间依赖性得到保证并被显式建模。基于此，动态HI捕捉了退化过程固有的动态内容，确保其在退化趋势建模和未来退化预报方面的有效性。两个轴承生命周期数据集的实验结果表明，所提出的HI构建方法优于比较方法，所构建的动态HI在预报任务中表现优异。
引用
@article{arxiv.2506.05438,
title = {An Unsupervised Framework for Dynamic Health Indicator Construction and Its Application in Rolling Bearing Prognostics},
author = {Tongda Sun and Chen Yin and Huailiang Zheng and Yining Dong},
journal= {arXiv preprint arXiv:2506.05438},
year = {2026}
}