基于深度置信网络集成的齿轮剩余寿命预测

摘要

在齿轮的剩余寿命预测中,针对传统方法需要人工提取特征和单个网络模型在泛化能力不好的问题,提出一种深度置信网络(DBN)集成模型的齿轮剩余寿命预测方法.该方法以齿轮振动信号作为输入,首先,用遗传算法优化多个DBN;其次,应用负相关学习(NCL)选择误差小同时差异度大的几个DBN搭建集成模型,用以描述不同时刻特征值之间的关系;最后,基于齿轮振动加速度数据配置好模型后进行预测,和单个深度置信网络预测比较,结果显示文章提出的集成模型在不同时刻训练集和测试集之间的误差均比单个DBN低.验证了该方法可以完成预测并且能提高泛化性能.