| 基于数据增强和卷积神经网络的多轴承剩余寿命预测 |
| |
| 引用本文： | 邹旺,吉畅,陈伟兴,郑凯.基于数据增强和卷积神经网络的多轴承剩余寿命预测[J].机械设计,2021,38(8):84-90. |
| |
| 作者姓名： | 邹旺 吉畅 陈伟兴 郑凯 |
| |
| 作者单位： | 六盘水师范学院工程实训中心,贵州六盘水553004;六盘水师范学院物理与电气工程学院,贵州六盘水553004;六盘水师范学院矿业与土木工程学院,贵州六盘水553004;杭州优海信息系统有限公司,浙江杭州310000 |
| |
| 摘 要： | 轴承的健康状态与设备安全可靠运行息息相关,在现代制造系统中,轴承剩余使用寿命(Remaining Useful Life,RUL)预测已成为研究热点.文中提出了通过数据增强来提取轴承衰退特征并利用卷积神经网络(Convolutional Neural Network,CNN)进行轴承RUL预测的方法.该方法首先将均方根、峰值和峰度作为时域特征,频谱分区求和(FSPS)特征作为频域特征,经过数据增强将18维时域和频域特征增加到108维,从而得到全面反应轴承退化过程的信息.通过搭建卷积神经网络(CNN),利用CNN处理高维特征的能力实现轴承RUL预测.最后,试验结果证明文中所提方法相对DNN模型、SVM模型具有更高的预测精度.
|
| 关 键 词： | 数据增强 卷积神经网络 特征提取 剩余寿命预测 |
Prediction of the multi-bearing's remaining useful life based on data enhancement and convolutional neural network |
| |
| ZOU Wang,JI Chang,CHEN Wei-xing,ZHENG Kai.Prediction of the multi-bearing's remaining useful life based on data enhancement and convolutional neural network[J].Journal of Machine Design,2021,38(8):84-90. |
| |
| Authors: | ZOU Wang JI Chang CHEN Wei-xing ZHENG Kai |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
