10.13465/j.cnki.jvs.2020.17.015
基于自编码器和门限循环单元神经网络的滚动轴承退化趋势预测
针对现有滚动轴承性能退化趋势预测方法存在退化指标选取困难、预测精度较低的问题,提出基于自编码器和门限循环单元神经网络的滚动轴承退化趋势预测方法.首先,构建轴承振动信号混合域高维特征集,采用指标综合评价值初步筛选敏感性高、趋势性好的性能退化指标;然后,利用自编码器融合高维特征集,消除混合域特征之间的冗余信息;在此基础上,将融合后的特征输入门限循环单元(gated recurrent unit,GRU)神经网络模型以完成滚动轴承退化趋势预测.试验结果表明,所提方法能获得更加准确的滚动轴承退化趋势预测结果.
滚动轴承、退化趋势预测、自编码器(AE)、GRU神经网络
39
TH165.3
国家自然科学基金51775065;51675067
2020-10-10(万方平台首次上网日期,不代表论文的发表时间)
共7页
106-111,133