• 主题
高级搜索  >
历史搜索 清空历史
首页> 中文期刊> 《机械设计》 >基于数据增强和卷积神经网络的多轴承剩余寿命预测

基于数据增强和卷积神经网络的多轴承剩余寿命预测

         
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

轴承的健康状态与设备安全可靠运行息息相关,在现代制造系统中,轴承剩余使用寿命(Remaining Useful Life,RUL)预测已成为研究热点。文中提出了通过数据增强来提取轴承衰退特征并利用卷积神经网络(Convolutional Neural Network,CNN)进行轴承RUL预测的方法。该方法首先将均方根、峰值和峰度作为时域特征,频谱分区求和(FSPS)特征作为频域特征,经过数据增强将18维时域和频域特征增加到108维,从而得到全面反应轴承退化过程的信息。通过搭建卷积神经网络(CNN),利用CNN处理高维特征的能力实现轴承RUL预测。最后,试验结果证明文中所提方法相对DNN模型、SVM模型具有更高的预测精度。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号