基于InfoLSGAN和AC算法的轴承寿命预测方法技术

本发明专利技术公开了一种基于InfoLSGAN和AC算法的轴承寿命预测方法。所述方法包括如下步骤，步骤一：将SDAE、InfoGAN和LSGAN相结合，构建InfoLSGAN，自动地从噪声数据中提取可解释的鲁棒特征，解决梯度消失问题；步骤二：采用基于AC的训练算法训练InfoLSGAN，减少训练时间，加快收敛速度；步骤三：根据训练后的InfoLSGAN，利用softmax分类器预测测试样本中风电齿轮箱轴承的剩余寿命。实施例的结果表明本发明专利技术具有较强的噪声适应能力，并能在小样本情况下准确地预测风电齿轮箱轴承的剩余寿命。

Bearing life prediction method based on infolsgan and AC algorithm

【技术实现步骤摘要】
基于InfoLSGAN和AC算法的轴承寿命预测方法
本专利技术涉及一种轴承寿命预测方法，尤其涉及基于信息最小二乘生成对抗网络(Informationleastsquaresgenerativeadversarialnetwork,InfoLSGAN)和行动者-评论家(Actor-critic,AC)算法的轴承寿命预测方法。
技术介绍
为应对气候变化和能源短缺问题，风能已受到世界各国的广泛关注。然而，复杂恶劣的工作环境导致风电齿轮箱的故障率相对较高。对于地处偏僻地区的风力发电机而言，任何难以预料的故障均会导致较高的维护成本或巨大的经济损失。据最新研究表明，风电齿轮箱故障主要是其内部轴承引起的。因此，风电齿轮箱轴承的剩余寿命预测对减少停机时间和降低维护成本具有十分重要的意义。近年来，轴承的剩余寿命预测已受到大量学者的高度重视。众多具代表性的轴承剩余寿命预测方法被相继提出。这些方法可分为模型法和数据驱动法。模型法通过建立基于失效机理的物理模型，描述轴承的退化过程。与材料特性相关的模型参数可通过专门的实验或分析方法确定。尽管模型法可准确预测轴承本文档来自技高网...

【技术保护点】
1.基于信息最小二乘生成对抗网络(Information least squares generativeadversarial network,InfoLSGAN)和行动者-评论家(Actor-critic,AC)算法的轴承寿命预测方法包括以下步骤：/n步骤一、将堆叠降噪自动编码器(Stacked denoising autoencoder,SDAE)、信息生成对抗网络(Information maximizing generative adversarial network,InfoGAN)和最小二乘生成对抗网络(Least squares generative adversarial n...

【技术特征摘要】
1.基于信息最小二乘生成对抗网络(Informationleastsquaresgenerativeadversarialnetwork,InfoLSGAN)和行动者-评论家(Actor-critic,AC)算法的轴承寿命预测方法包括以下步骤：
步骤一、将堆叠降噪自动编码器(Stackeddenoisingautoencoder,SDAE)、信息生成对抗网络(Informationmaximizinggenerativeadversarialnetwork,InfoGAN)和最小二乘生成对抗网络(Leastsquaresgenerativeadversarialnetwork,LSGAN)相结合，构建InfoLSGAN，自动地从噪声数据中提取可解释的鲁棒特征，解决梯度消失问题；
步骤二、采用基于AC的训练算法训练InfoLSGAN，减少训练时间，加快收敛速度；
步骤三、根据训练后的InfoLSGAN，利用softmax分类器预测测试样本中风电齿轮箱轴承的剩余寿命。


2.根据权利要求1所述的基于InfoLSGAN和AC算法的轴承寿命预测方法，其特征在于所述步骤一中InfoLSGAN由生成器G、判别器D和softmax分类器组成。真实数据x为输入样本。不可压缩的噪声z'和隐变量编码c为生成器G的输入。生成器G由一个SDAE构成。生成样本G(z',c)应服从真实数据x的分布Pdata(...

【专利技术属性】
技术研发人员：于军，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：黑龙;23