来源：期刊VIP网 时间：
作者：刘可盈;张艳娜;毛文涛;王纳;
单位：河南师范大学计算机与信息工程学院;智慧商务与物联网技术河南省工程实验室;
摘要：为解决未知工况下旋转设备在线剩余寿命(remaining useful life, RUL)预测时计算代价大和误差累积问题，提出一种基于无监督深度领域对抗适配的在线RUL预测方法。首先，利用离线退化数据和在线早期故障数据，构建深度领域对抗网络作为预训练模型。其次，将在线贯序数据块输入预训练模型的回归预测器中重新领域适配，得到在线伪标签。最后，将预训练模型的结构和参数迁移到目标域模型，冻结目标域模型的部分参数，并利用在线数据块和伪标签对目标域模型剩余参数进行微调，实现在线数据的RUL动态预测。在IEEE PHM Challenge 2012轴承数据集上进行实验，结果表明，所提方法可以贯序、准确地预测在线轴承RUL值，为在线场景下的轴承RUL预测提供了一种实用化的解决方案。
关键词：剩余寿命预测;;迁移学习;;领域适配;;无监督学习;;在线学习
基金资助：国家自然科学基金项目(U1704158);; 河南省自然科学基金项目(232300421390);; 河南省高等学校重点科研项目(23A510003)
