来源：期刊VIP网 时间：
作者：王恒迪;陈鹏;王豪馗;吴升德;马盈丰;
单位：河南科技大学机电工程学院;盐城市质量技术监督综合检验检测中心;宁波中亿智能股份有限公司;
摘要：【目的】针对滚动轴承剩余寿命预测中存在的振动信号噪声干扰及不同工况下数据分布偏移问题，提出一种结合深度残差收缩网络（Deep Residual Shrinkage Network, DRSN）与对抗式领域自适应（Adversarial Domain Adaptation, ADA）的健康状态评估方法，以提高寿命预测的精度与泛化能力。【方法】首先，构建了深度残差收缩网络和对抗式领域自适应健康状态评估模型，并利用DRSN可以规避振动信号中的噪声并自适应提取轴承退化特征的性能，构建了健康指标曲线；其次，利用ADA使测试集健康指标和训练集健康指标分布对齐；最后，将DRSN-ADA模型输出的健康指标输入到卷积长短时记忆（Convolutional Long Short-Term Memory, ConvLSTM）网络模型中，实现了剩余寿命预测。【结果】结果表明，在XJTU-SY数据集及工程试验中，DRSN-ADA所构建的健康指标在单调性、鲁棒性和关联性上均优于对比方法，其均值分别达0.61、0.97与0.98；寿命预测结果的均方误差与平均绝对误差均值分别为2.52%与2.19%，平均得分为0.86，显著优于ResNet、主成分分析及均方根方法，验证了该方法在噪声抑制与跨工况预测方面的有效性。
关键词：滚动轴承;;深度残差收缩网络;;对抗式领域自适应;;健康指标;;寿命预测
基金资助：市场监督管理总局科技计划项目（2023MK039）;; 宁波市揭榜挂帅项目（2023T016）
