Bi⁃LSTM神经网络用于轴承剩余使用寿命预测研究

申彦斌; 张小丽; 夏勇; 杨吉; 陈双达

首页> 中文期刊> 《振动工程学报》 >Bi⁃LSTM神经网络用于轴承剩余使用寿命预测研究

Bi⁃LSTM神经网络用于轴承剩余使用寿命预测研究

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

为有效获得轴承退化过程,设计一种改进损失函数的卷积自编码器(Convolutional Autoencode),使其可从多传感器采集的振动信号中提取轴承健康状态,避免了局部信息的丢失,同时得到了更深层次的故障特征.提出了一种基于双向长短时记忆网络(Bi?directional LSTM)的循环神经网络结构,利用其对时间序列数据的处理能力,学习轴承在实际工作过程中的退化规律,实现对轴承的剩余使用寿命预测.此外,为进一步提升模型的预测准确率及泛化能力,设计接收随机长度样本的Bi?LSTM网络进行训练,使得模型接收连续数据而不是分段的数据.最后,使用NASA的IMS数据集进行了验证和对比试验,得出本文所构建的CE?Bi?LSTM轴承健康预测模型相较于其他方法具有更准确的预测能力.

著录项

来源
《振动工程学报》 |2021年第2期|411-420|共10页
作者
申彦斌; 张小丽; 夏勇; 杨吉; 陈双达;
展开▼
作者单位

长安大学工程机械学院道路施工技术与装备教育部重点实验室陕西西安 710064;

长安大学工程机械学院道路施工技术与装备教育部重点实验室陕西西安 710064;

长安大学工程机械学院道路施工技术与装备教育部重点实验室陕西西安 710064;

长安大学工程机械学院道路施工技术与装备教育部重点实验室陕西西安 710064;

长安大学工程机械学院道路施工技术与装备教育部重点实验室陕西西安 710064;

展开▼
原文格式 PDF
正文语种 chi
中图分类故障诊断和维护;滚动轴承;信号处理;
关键词
故障诊断; 滚动轴承; Bi⁃LSTM网络; 多传感器样本; 变长度输入;

相似文献

中文文献
外文文献
专利

1. 基于并联CNN-SE-Bi-LSTM的轴承剩余使用寿命预测 [J] . 曹正志 ,叶春明 . 计算机应用研究 . 2021,第007期
2. 一种基于Bi-LSTM和MLP融合的滚动轴承剩余寿命预测方法 [J] . 刘硕 ,武婷婷 ,宋纯贺 . 江苏科技大学学报（自然科学版） . 2021,第003期
3. 基于CNN-Bi-LSTM网络的锂离子电池剩余使用寿命预测 [J] . 梁海峰 ,袁芃 ,高亚静 . 电力自动化设备 . 2021,第010期
4. 结合CNN和LSTM的滚动轴承剩余使用寿命预测方法 [J] . 王玉静 ,李少鹏 ,康守强 . 振动、测试与诊断 . 2021,第003期
5. 基于迁移学习的轴承剩余使用寿命预测方法 [J] . 王新刚 ,韩凯忠 ,王超 . 东北大学学报（自然科学版） . 2021,第005期
6. 岭南清代园林古建筑剩余使用寿命预测研究 [C] . 吴丕 ,邓晖 ,张秀亮 . 第十七届全国现代结构工程学术研讨会 . 2017
7. 基于时频分析与深度学习的滚动轴承剩余使用寿命预测研究 [A] . 张力中 . 2021

Bi⁃LSTM神经网络用于轴承剩余使用寿命预测研究

摘要

著录项

相似文献

相关主题

期刊订阅