Модель CARLE для прогнозирования ресурса подшипников - новый подход к мониторингу

Исследователи CARLE представили гибридную платформу, которая сочетает глубокое и поверхностное обучение для прогнозирования остаточного ресурса (RUL) роликовых подшипников.

Система включает блоки Res-CNN для выделения локальных характеристик сигналов и Res-LSTM для улавливания временных закономерностей износа, с многоголовой внимательностью и остаточными связями. Random Forest Regressor обеспечивает стабильные прогнозы на выходе. 

Предобработка сигналов включает гауссовое сглаживание шума и непрерывное вейвлет-преобразование (CWT) для извлечения временно-частотных признаков, что повышает качество прогнозов.

Модель протестирована на наборах XJTU-SY и PRONOSTIA. Проведены абляционные исследования, кросс-доменные тесты и испытания на зашумлённых данных. CARLE показала преимущество перед современными методами прогнозирования, особенно при изменяющихся условиях работы.

Для объяснимости прогнозов использованы методы LIME для локального анализа и SHAP для глобальной оценки влияния признаков сигнала на результат. Проведённое тестирование подтвердило эффективность CARLE в прогнозировании RUL роликовых подшипников и обеспечении прозрачности прогнозов.

По материалам arxiv.org