基于深度特征的轴承剩余寿命预测
为保障机械设备工作的安全性与可靠性,剩余寿命预测技术是设备轴承维护中的重要环节.由于深度学习具有强大的数据处理能力,提出通过使用深度学习的数据驱动方法来提高预测的准确度.首先,将来自轴承的原始振动信号用作深层网络的输入,深度置信网络和深度自编码器用于提取深度特征;其次,基于提取的特征选择不同的回归模型进行回归;最后,用测试轴承进行测试,比较两种深度特征及传统特征在不同的回归模型上的表现.实验结果表明,深度置信神经网络特征准确性更高,支持向量回归模型效果较其他模型更优.
深度置信网络、深度自编码器、剩余寿命预测、轴承、支持向量回归
TH133.3
合肥工业大学2019年省级大学生创新创业训练计划项目S201910359169
2020-09-01(万方平台首次上网日期,不代表论文的发表时间)
共5页
81-84,87