-
题名融合时空信息的刀具健康状态评估及寿命预测
- 1
-
-
作者
黄秋豪
吴兴富
黄强飞
杨骅
牟全臣
李子瑞
-
机构
河北工业大学人工智能与数据科学学院
湖南大学机械与运载工程学院
中国航发南方工业有限公司
河北工业大学机械工程学院
苏州数设科技有限公司
-
出处
《机械设计》
CSCD
北大核心
2024年第11期31-41,共11页
-
基金
新一代人工智能国家科技重大专项(2021ZD0113100)
-
文摘
刀具的健康状态评估和寿命预测对于刀具的预测性维护、刀具生产准备及制定刀具需求计划等方面具有重要影响。为了准确监测刀具健康状态和预测剩余寿命,文中提出一种融合时空信息的刀具健康状态监测及寿命预测方法。该方法利用频谱时间图神经网络StemGNN(Spectral Temporal Graph Neural Network),通过图结构表征时间序列间的关系,在频域和谱域对传感器数据的时空关系进行建模,重构学习刀具健康状态下的数据分布,并向模型输入运行周期数据,输出重构数据与原始数据的误差作为刀具退化过程的健康指标(Health Indicator, HI),形成刀具健康状态曲线;然后,将刀具健康状态指标作为输入构建基于通道注意力机制(ECANet)和时序卷积网络(TCN)的刀具寿命预测方法,学习健康指标序列时间依赖,实现了刀具的剩余寿命(Remaining Useful Life, RUL)预测。在PHM2010数据集上进行试验验证,结果表明,相较于对比方法,所提方法更好地反映了刀具的退化趋势,提高了刀具寿命的预测精度。
-
关键词
刀具
健康状态评估
剩余寿命预测
频谱时间图神经网络
时序卷积神经网络
-
Keywords
tool
assessment of health status
prediction of remaining useful life
Spectral Temporal Graph Neural Network
Temporal Convolutional Neural Network
-
分类号
TG71
[金属学及工艺—刀具与模具]
-
