基于策略梯度Informer模型的滚动轴承剩余寿命预测

• Published in: 工程科学与技术 Vol. 56; no. 4; pp. 273 - 286
• Main Authors: 熊佳豪, 李锋, 汤宝平, 汪永超, 罗玲
• Format: Journal Article
• Language: Chinese
• Published: 四川大学机械工程学院,四川成都 610065%重庆大学机械传动国家重点实验室,重庆 400044%中国测试技术研究院,四川成都 610021 01.07.2024
• Subjects: 策略梯度; 滚动轴承; 概率稀疏自注意力机制; policy gradient; Informer模型; rolling bearing; remaining useful life prediction; 剩余寿命预测; probabilistic sparse self-attention mechanism; Informer model
• ISSN: 2096-3246
• DOI: 10.12454/j.jsuese.202300136

TH17%TP391.6; 典型的编码器-解码器——Transformer存在二次时间复杂度、高内存使用及模型结构复杂等固有限制,造成Transformer用于滚动轴承剩余寿命(RUL)预测会表现出较低预测精度和较低计算效率的问题.为此,提出一种新型编解码器——策略梯度Informer(PG-Informer)模型,并将其应用于滚动轴承RUL预测.首先,在PG-In-former的新型编解码器体系结构 Informer中设计了概率稀疏自注意力(PSSA)机制替代Transformer中原有的自注意力机制,以提高非线性逼近能力并减少时间和空间复杂度;然后,PG-Informer采用自注意力蒸馏(SAD)操作减少参数维度和参数量,并提高了对时间序列的预测鲁棒性;此外,PG-Informer的生成式解码器对解码输入进行一步解码输出预测结果,无需动态多步解码,提升了对时间序列的预测速度;最后,构造了策略梯度学习算法来提高对PG-Informer参数的训练速度.PG-Informer的以上优势使所提出的基于PG-Informer模型的滚动轴承RUL预测方法可以获得较高的预测精度、较好的鲁棒性和较高的计算效率.对辛辛那提大学智能维护系统中心的1号滚动轴承的RUL预测实验结果表明,所提出方法预测得到的RUL值为963 min,其RUL预测误差仅为6.50％,比基于Transformer的RUL预测方法预测精度更高、预测误差更小、鲁棒性更好;所提出方法所耗费的RUL预测时间仅为132.37 s,比基于Transformer的RUL预测方法的预测时间更短.以上实验结果验证了所提出方法的有效性.