ＪｏｕｒｎａｌｏｆＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅ）２０２３年第３７卷第６期Ｖｏｌ．３７Ｎｏ．６２０２３收稿日期：２０２２－０７－０８基金项目：江苏省自然科学基金面上项目（ＢＫ２０２２１４８１）；国家自然科学基金项目（５１７７５２７２）；华东空管局科技项目作者简介：王体春，男，博士，副教授，主要从事知识工程与可拓工程、人工智能及应用研究，Ｅ⁃ｍａｉｌ：ｗａｎｇｔｉｃｈｕｎ２０１０＠ｎｕａａ．ｅｄｕ．ｃｎ。本文引用格式：王体春，吴广胜，咸玉贝，等．采用ＴＣＮ⁃ＨＳ的滚动轴承剩余使用寿命预测［Ｊ］．重庆理工大学学报（自然科学），２０２３，３７（６）：２０４－２１１．Ｃｉｔａｔｉｏｎｆｏｒｍａｔ：ＷＡＮＧＴｉｃｈｕｎ，ＷＵＧｕａｎｇｓｈｅｎｇ，ＸＩＡＮＹｕｂｅｉ，ｅｔａｌ．ＰｒｅｄｉｃｔｉｏｎｏｆｒｅｍａｉｎｉｎｇｕｓｅｆｕｌｌｉｆｅｏｆｒｏｌｌｉｎｇｂｅａｒｉｎｇｓｂｙｕｓｉｎｇＴＣＮ⁃ＨＳ［Ｊ］．ＪｏｕｒｎａｌｏｆＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅ），２０２３，３７（６）：２０４－２１１．ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７４－８４２５（ｚ）．２０２３．０６．０２４采用ＴＣＮ⁃ＨＳ的滚动轴承剩余使用寿命预测王体春１，吴广胜１，咸玉贝２，胡玉峰２（１．南京航空航天大学机电学院，南京２１００００；２．中国民用航空华东地区管理局，上海２０００００）摘要：滚动轴承作为旋转机械中的关键部件，对其剩余使用寿命ＲＵＬ（ｒｅｍａｉｎｅｄｕｓｅｆｕｌｌｉｆｅ）的准确预测可以帮助维修人员及时制定维修计划，延长设备工作时间，保证安全。由于利用数学建模精确建立轴承退化过程的模型涉及到复杂的物理过程，所以以深度学习为基础的基于数据驱动的方法已经成为主流方法。提出了一种融合混合膨胀卷积与自适应斜率软阈值函数的时间卷积神经网络ＴＣＮ⁃ＨＳ（ｔｅｍｐｏｒａｌｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｔｗｏｒｋｗｉｔｈｈｙｂｒｉｄｄｉｌａｔｅｄｃｏｎｖｏｌｕｔｉｏｎａｎｄｓｅｌｆ⁃ａｄａｐｔｉｖｅｓｌｏｐｅｔｈｒｅｓｈｏｌｄｉｎｇ）用于滚动轴承寿命预测。模型使用混合膨胀卷积ＨＤＣ（ｈｙｂｒｉｄｄｉｌａｔｅｄｃｏｎｖｏｌｕｔｉｏｎ）解决了栅格效应问题，并利用自适应斜率软阈值函数（ｓｅｌｆ...
