基于卷积自编码与密集时间卷积网络的回转支承退化趋势预测

张典震; 陈捷; 王华; 杨启帆

首页> 中文期刊> 《振动与冲击》 >基于卷积自编码与密集时间卷积网络的回转支承退化趋势预测

基于卷积自编码与密集时间卷积网络的回转支承退化趋势预测

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

为了对反映回转支承性能退化状况的健康指标进行准确预测,提出了一种基于改进时间卷积网络(temporal convolution network,TCN)的退化趋势预测模型——密集时间卷积网络(densely temporal convolution network,DTCN).该模型借鉴Dense-Net网络巾的Dense-block模块对网络结构进行改进,以解决时间卷积网络在训练中损失函数下降缓慢,以及网络不易收敛、收敛效果差的问题;使用回转支承全寿命试验数据,借助卷积自编码网络(convolutional auto-encoders,CAE)与隐马尔可夫模型(hidden Markov model,HMM)建立健康指标,验证该改进算法的有效性;将DTCN与其他序列预测模型如长短时记忆网络(long short-term memory,LSTM)、门控循环单元网络(gated recurrent unit,GRU)等对比.结果表明,该模型在预测效果上具有优越性,能够更准确地预测健康指标的变化情况,可用于回转支承的退化趋势预测任务.

著录项

来源
《振动与冲击》 |2021年第23期|9-16|共8页
作者
张典震; 陈捷; 王华; 杨启帆;
展开▼
作者单位

南京工业大学机械与动力工程学院南京211816;

南京工业大学机械与动力工程学院南京211816;

南京工业大学江苏省工业装备数字制造及控制技术重点实验室南京211816;

南京工业大学机械与动力工程学院南京211816;

南京工业大学江苏省工业装备数字制造及控制技术重点实验室南京211816;

南京工业大学机械与动力工程学院南京211816;

展开▼
原文格式 PDF
正文语种 chi
中图分类机械运行与维修;
关键词
回转支承; 密集时间卷积网络(DTCN); 卷积自编码网络(CAE); 退化趋势预测;

相似文献

中文文献
外文文献
专利

1. 基于CEEMDAN和改进时间卷积网络的短期风电功率预测模型 [J] . 赵凌云 ,刘友波 ,沈晓东 . 电力系统保护与控制 . 2022,第1期
2. 基于自适应移动平滑与时间卷积网络误差修正的风电功率预测 [J] . 孙蓉 ,李强 ,罗海峰 . 全球能源互联网 . 2022,第1期
3. 基于时间卷积网络的废钢价格预测模型 [J] . 张洪 . 武汉工程职业技术学院学报 . 2021,第002期
4. 关系驱动的基于时间卷积网络的股票走势预测算法 [J] . 赵戈 ,徐尚志 ,李志鹏 . 计算机科学与应用 . 2021,第010期
5. 基于深度时间卷积网络的居民用电负荷预测 [J] . 詹扬 . 农村电气化 . 2021,第3期
6. 有环网络中卷积网络编码的码构造算法 [C] . 黄佳庆 ,王亮 ,张惕远 . 第十三届全国青年通信学术会议 . 2008
7. 基于特征自编码和时间卷积网络的股价预测研究 [A] . 满成剑 . 2019

基于卷积自编码与密集时间卷积网络的回转支承退化趋势预测

摘要

著录项

相似文献

相关主题

期刊订阅