Модель CARLE для прогнозування ресурсу підшипників - новий підхід до моніторингу

Дослідники CARLE представили гібридну платформу, яка поєднує глибоке та поверхневе навчання для прогнозування залишкового ресурсу (RUL) роликових підшипників.

Система включає блоки Res-CNN для виділення локальних характеристик сигналів і Res-LSTM для уловлювання часових закономірностей зносу, з багатоголовою увагою та залишковими зв’язками. Random Forest Regressor забезпечує стабільні прогнози на виході.

Передобробка сигналів включає гауссове згладжування шуму та неперервне хвильове перетворення (CWT) для витягнення часово-частотних ознак, що підвищує якість прогнозів.

Модель протестована на наборах XJTU-SY та PRONOSTIA. Проведено абляційні дослідження, крос-доменне тестування та випробування на шумових даних. CARLE показала перевагу над сучасними методами прогнозування, особливо при змінних умовах роботи.

Для пояснюваності прогнозів використано LIME для локального аналізу та SHAP для глобальної оцінки впливу ознак сигналу на результат. 

Проведене тестування показало ефективність CARLE у прогнозуванні RUL роликових підшипників та забезпечення прозорості прогнозів.

За матеріалами arxiv.org