基于强化学习单元匹配循环神经网络的滚动轴承状态趋势预测

李锋; 陈勇; 王家序; 汤宝平

首页> 中文期刊> 《计算机集成制造系统》 >基于强化学习单元匹配循环神经网络的滚动轴承状态趋势预测

基于强化学习单元匹配循环神经网络的滚动轴承状态趋势预测

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

为了解决当前人工智能预测方法在滚动轴承状态趋势预测中预测精度较差、计算效率较低的问题,提出基于强化学习单元匹配循环神经网络(RLUMRNN)的滚动轴承状态趋势预测新方法.先采用滑动平均奇异谱熵作为滚动轴承状态退化特征,再将该特征作为RLUMRNN的输入完成滚动轴承状态趋势预测.在RLUMRNN中,利用最小二乘线性回归法构造单调趋势识别器,将轴承整体的状态退化趋势分为上升、下降、平稳3种单调趋势单元,并通过强化学习为每一种单调趋势单元选择一个隐层数和隐层节点数与其相适应的循环神经网络,从而改善了RLUMRNN的非线性逼近能力和泛化性能;用3种单调趋势单元和不同隐层数、隐层节点数分别表示Q值表的状态和动作,并构造关于循环神经网络输出误差的新型奖励函数,以明确强化学习的目标,从而减小循环神经网络的输出误差,避免在Q值表更新过程中使Agent(即决策函数)盲目搜索,提高了RLUMRNN的收敛速度.通过双列滚子轴承状态趋势预测实例验证了该方法具有较高的预测精度和计算效率.

著录项

来源
《计算机集成制造系统》 |2020年第8期|2050-2059|共10页
作者
李锋; 陈勇; 王家序; 汤宝平;
展开▼
作者单位

四川大学机械工程学院四川成都 610065;

四川大学机械工程学院四川成都 610065;

四川大学空天科学与工程学院四川成都 610065;

重庆大学机械传动国家重点实验室重庆 400044;

展开▼
原文格式 PDF
正文语种 chi
中图分类局域网（LAN）、城域网（MAN）;机械运行与维修;
关键词
强化学习单元匹配循环神经网络; 强化学习; 奇异谱熵; 状态趋势预测; 滚动轴承;

相似文献

中文文献
外文文献
专利

1. 基于自编码器和门限循环单元神经网络的滚动轴承退化趋势预测 [J] . 王鹏 ,邓蕾 ,汤宝平 . 振动与冲击 . 2020,第017期
2. 一种基于频繁序列匹配的交通状态趋势预测方法 [J] . 杜瑾 ,郝珺 ,成菊芳 . 电子设计工程 . 2014,第015期
3. 基于门控单元循环神经网络的台风路径预测 [J] . 徐高扬 ,郑海涛 ,黄国庆 . 计算机应用与软件 . 2019,第005期
4. 基于门限递归单元循环神经网络的交通流预测方法研究 [J] . 王体迎 ,时鹏超 ,刘蒋琼 . 重庆交通大学学报（自然科学版） . 2018,第011期
5. 基于LSTM循环神经网络的核电设备状态预测 [J] . 龚安 ,马光明 ,郭文婷 . 计算机技术与发展 . 2019,第010期
6. 一种基于相关向量机的滚动轴承运行趋势多步预测方法 [C] . LEI Ya-guo ,雷亚国 ,WU Xiong-hui . 2014年全国设备监测诊断与维护学术会议、第十六届全国设备监测与诊断学术会议、第十四届全国设备故障诊断学术会议暨2014年全国设备诊断工程会议 . 2014
7. 基于循环神经网络的轴承退化趋势指标构建及预测方法研究 [A] . 李杨 . 2021

基于强化学习单元匹配循环神经网络的滚动轴承状态趋势预测

摘要

著录项

相似文献

相关主题

期刊订阅