摘要
在基于深度学习的寿命预测模型中,其提取的特征的优劣需通过最终的预测精度来间接评价,特征的可解析性差.为此,提出了一种新的寿命预测特征评价指标;与经典的时间相关性、鲁棒性和单调性指标不同,该指标针对产品寿命离散程度大的特点,通过评价特征在不同样本之间的趋势一致性以表征其优劣.采用归一化与降采样方法处理数据,借助相关性公式计算同一特征在两两轴承之间的相关性值,最后取平均值获得该指标的得分.以某轴承数据集为例,分别使用提出的评价指标与经典评价指标对深度学习模型提取的信号特征进行评价与筛选,并将筛选出的特征用于轴承剩余使用寿命预测;基于留一法的试验结果表明:在17组的试验样本中,有11组样本采用提出的指标筛选特征得到的预测结果,优于不进行特征筛选以及时间相关性、鲁棒性和单调性三种经典评价指标的预测结果.其中,获得的均方根误差的综合平均值分别降低了21.0％,27.6％,25.8％和19.5％.利用该评价指标,有利于提升对深度学习模型所提取特征的可解释性.
基金项目
国家重点研发计划项目(2017YFB1201201)
重庆市教委科学技术研究项目(KJZD-K201805801)
NETL
NSTL
维普
万方数据