作为保障机械设备安全、可靠和高效运行的重要手段,近年来剩余寿命(Remaining Useful Life,RUL)预测技术在工业大数据的驱动下取得了突破性的进展.传统的卷积神经网络(Convolutional Neural Networks,CNN)预测模型多使用单一尺度卷积核进行卷积运算,难以充分提取原始信号中的有效信息,导致模型的预测性能不佳,限制了其实际的工程应用.为解决上述问题,提出一种多尺度卷积神经网络(Multi-Scale Convolutional Neural Network,MCNN),并应用于刀具的磨损预测.多尺度卷积神经网络由多尺度卷积特征提取器和回归预测模型组成.多尺度卷积特征提取器以多源传感数据为输入,提取多源传感融合的有效特征表示;再将融合后的特征表示输入回归预测模型,实现刀具的磨损预测.实验结果表明:所提预测方法能准确预测刀具的磨损量,为机械设备剩余寿命预测提供了一种新的手段.
NETL
