基于改进SAE和双向LSTM的滚动轴承RUL预测方法
针对稀疏自动编码器(Sparse auto encoder,SAE)采用sigmoid激活函数容易造成梯度消失的问题,用一种新的Tan函数替代原有的sigmoid函数;针对SAE采用Kullback-Leibler(KL)散度进行稀疏性约束在回归预测方面的局限性,以dropout机制替代KL散度实现网络的稀疏性.利用改进SAE对滚动轴承振动信号进行无监督深层特征自适应提取,无需人工设计标签进行有监督微调.同时,考虑到滚动轴承剩余使用寿命(Remaining useful life,RUL)预测方法一般仅考虑过去信息而忽略未来信息,引入双向长短时记忆网络(Bi-directional long short-term memory,Bi-LSTM)构建滚动轴承RUL的预测模型.在2个轴承数据集上的实验结果均表明,所提基于改进SAE和Bi-LSTM的滚动轴承RUL预测方法不仅可以提高模型的收敛速度而且具有较低的预测误差.
滚动轴承、稀疏自动编码器、无监督特征提取、双向长短时记忆网络、剩余使用寿命预测
48
TP391;TP183;TN915.07-34
国家自然科学基金;黑龙江省自然科学基金项目;黑龙江省本科高校青年创新人才培养计划;黑龙江省普通高校基本科研业务专项资金资助项目
2022-10-09(万方平台首次上网日期,不代表论文的发表时间)
共10页
2327-2336