針對現(xiàn)有滾動軸承性能退化趨勢預(yù)測方法存在退化指標(biāo)選取困難、預(yù)測精度較低的問題,提出基于自編碼器和門限循環(huán)單元神經(jīng)網(wǎng)絡(luò)的滾動軸承退化趨勢預(yù)測方法。首先,構(gòu)建軸承振動信號混合域高維特征集,采用指標(biāo)綜合評價值初步篩選敏感性高、趨勢性好的性能退化指標(biāo);然后,利用自編碼器融合高維特征集,消除混合域特征之間的冗余信息;在此基礎(chǔ)上,將融合后的特征輸入門限循環(huán)單元（gated recurrent unit, GRU）神經(jīng)網(wǎng)絡(luò)模型以完成滾動軸承退化趨勢預(yù)測。試驗結(jié)果表明,所提方法能獲得更加準(zhǔn)確的滾動軸承退化趨勢預(yù)測結(jié)果。 

【文章來源】：振動與沖擊. 2020,39(17)北大核心EICSCD

【文章頁數(shù)】：7 頁

【文章目錄】：
1 基于自編碼器多域特征融合
    1.1 多域特征提取和特征篩選
    1.2 自編器網(wǎng)絡(luò)結(jié)構(gòu)
2 基于GRU神經(jīng)網(wǎng)絡(luò)的軸承退化趨勢預(yù)測
    2.1 GRU神經(jīng)網(wǎng)絡(luò)原理
    2.2 基于GRU神經(jīng)網(wǎng)絡(luò)的軸承退化趨勢預(yù)測
3 滾動軸承退化趨勢預(yù)測流程
4 試驗驗證
5 應(yīng)用實例
6 結(jié) 論


【參考文獻】：
期刊論文
[1]一種基于數(shù)據(jù)驅(qū)動和貝葉斯理論的機械系統(tǒng)剩余壽命預(yù)測方法[J]. 趙申坤,姜潮,龍湘云.  機械工程學(xué)報. 2018(12)
[2]融合失效樣本與截尾樣本的滾動軸承壽命預(yù)測[J]. 張焱,湯寶平,韓延,陳天毅.  振動與沖擊. 2017(23)
[3]基于長短時記憶網(wǎng)絡(luò)的旋轉(zhuǎn)機械狀態(tài)預(yù)測研究[J]. 趙建鵬,周俊.  噪聲與振動控制. 2017(04)
[4]GS-ASTFA方法及其在滾動軸承壽命預(yù)測中的應(yīng)用[J]. 歐龍輝,彭曉燕,楊宇,程軍圣.  振動與沖擊. 2017(11)
[5]基于流形學(xué)習(xí)和最小二乘支持向量機的滾動軸承退化趨勢預(yù)測[J]. 肖婷,湯寶平,秦毅,陳昌.  振動與沖擊. 2015(09)
[6]基于BP神經(jīng)網(wǎng)絡(luò)的金屬拉深件裂紋在線監(jiān)測[J]. 駱志高,張保剛,何鑫.  振動與沖擊. 2012(10)



本文編號：3461782