基于CAE和AGRU的滚动轴承退化趋势预测

摘要：

针对旋转机械中滚动轴承退化趋势预测存在健康指标构建依赖先验知识、预测精度低等问题,提出了基于卷积自编码器(convolutional auto-encodes,CAE)和融合注意力机制的门控循环单元(attention gated recurrent unit,AGRU)的滚动轴承退化趋势预测方法.首先,该方法通过快速傅里叶变换(fast Fourier transform,FFT)将滚动轴承时域信号转换为频域信号,卷积自编码器从频域信号中自适应提取特征,编码特征通过评估选择构建健康指标(health indica-tors,HI),在此基础上,将健康指标输入融入注意力的门控循环单元网络(gate recurrent unit,GRU)模型,剪枝算法对模型参数进行优化,完成了滚动轴承性能退化趋势预测.结果表明,所提的方法能获得更准确的滚动轴承退化趋势预测.

关键词：滚动轴承、退化趋势预测、卷积自编码器(CAE)、门控循环单元(GRU)、注意力机制

所属期刊栏目：42

分类号：TH212;TH213.3(起重机械与运输机械)

资助基金：国家重点研发计划2019YFB20052004

在线出版日期：2023-07-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：109-117