GRU-DeepAR寿命预测模型

自适应失效阈值

将GRU与DeepAR结合并引入自适应失效阈值，对滚动轴承剩余寿命的预测比单一网络更准、更稳。

Jiahui, Li · 王之海 · 柳小勤 · Zhengjiang, Feng

Sensors 2023

技术优势

自适应失效阈值

根据不同轴承的平滑运行数据最大值来确定失效阈值，使退化数据集的构建更贴合个体轴承特性。

同时预测失效时间和概率

GRU-DeepAR模型输出失效时间的概率分布，提供不确定性量化，便于制定维护决策。

应用场景

• 工业设备预测性维护：利用概率预测评估失效风险，优化维修时机，减少非计划停机。
• 旋转机械健康管理：为旋转机械提供更准确的RUL预测，支持健康状态评估和寿命管理。
• 设备状态监测：结合振动信号特征分析，实时监测轴承退化状态并预测剩余寿命。