%0 Journal Article
%A 张继冬
%A 邹益胜
%A 蒋雨良
%A 曾大毅
%T 基于全卷积变分自编码网络FCVAE的轴承剩余寿命预测方法
%D 2020
%R 
%J 振动与冲击
%P 13-18
%V 39
%N 19
%X 由于制造工艺、运行环境等的影响，同型号轴承的使用寿命往往存在较大的个体差异性。在轴承剩余寿命预测中，如果从信号中提取的特征的泛化能力不足，将导致模型预测结果稳定性较差。为此，提出一种基于全卷积变分自编码网络（FCVAE）的轴承的剩余寿命预测方法。该方法用全卷积神经网络（FCNN）改进变分自编码器（VAE），在降低网络复杂度的同时强化所提取特征的泛化能力，并利用频域信号作为模型输入，以进一步降低特征学习的难度，同时设计加权平均方法平滑预测结果。通过试验数据集对所提方法进行验证，结果表明：该方法预测结果的平均误差相比于传统支持向量回归(SVR)降低了64%，比卷积神经网络（CNN）降低45.5%，比VAE降低47.5%。<br>
%U https://jvs.sjtu.edu.cn/CN/abstract/article_9851.shtml