10.3969/j.issn.1000-1093.2020.11.003
基于条件深度循环生成对抗网络和动作探索的行星轮轴承剩余寿命预测
为解决小样本和变工况下行星轮轴承剩余寿命预测准确率低的问题,提出一种基于条件深度循环生成对抗网络(C-DRGAN)和动作探索(AD)的行星轮轴承剩余寿命预测方法.将门控循环单元神经网络与条件生成对抗网络相结合,构建C-DRGAN,从非静态和非线性信号中提取故障特征,实现小样本和变工况下行星轮轴承的剩余寿命预测;采用基于AD的训练算法训练C-DR-GAN,提高收敛速度,降低训练时间;根据训练后的C-DRGAN,利用多元线性回归分类器预测测试样本中行星轮轴承的剩余寿命.通过行星轮轴承加速疲劳寿命试验验证该方法的有效性.结果表明,该方法具有较强的非静态和非线性信号处理能力,并能在小样本情况下取得出色的行星轮轴承剩余寿命预测效果.
行星轮轴承、剩余寿命预测、门控循环单元神经网络、条件生成对抗网络、动作探索、小样本
41
TJ810.3+21(战车、战舰、战机、航天武器)
国家重点研发计划项目;矿冶过程自动控制技术国家重点实验室开放基金项目;国家自然科学基金项目;黑龙江省科技重大专项项目;黑龙江省杰出青年基金项目;哈尔滨市杰出青年人才基金项目
2021-01-29(万方平台首次上网日期,不代表论文的发表时间)
共9页
2170-2178