基于LSTM-ES-RVM的滚动轴承剩余寿命预测方法 |
| |
引用本文: | 周圣文,郭顺生,杜百岗.基于LSTM-ES-RVM的滚动轴承剩余寿命预测方法[J].振动工程学报,2023(6):1723-1735. |
| |
作者姓名: | 周圣文 郭顺生 杜百岗 |
| |
作者单位: | 1. 武汉理工大学机电工程学院;2. 数字制造湖北省重点实验室 |
| |
基金项目: | 国家自然科学基金资助项目(51705386); |
| |
摘 要: | 为解决滚动轴承在寿命预测时精度不高,且性能退化趋势及波动范围难以预测等问题,提出了基于LSTM-ES-RVM的滚动轴承剩余寿命预测方法。在无先验知识或人工经验的干扰下,利用长短期记忆(Long Short-Term Memory,LSTM)网络直接对频率数据进行特征提取,构建退化过程的初步健康指标(Health Indicator,HI);为了消除HI曲线的局部剧烈振荡,提出了带斜率的极端拐点(Extreme Inflection Point with a Slope,ES)模型改善其整体单调性;使用相关向量机(Relevance Vector Machine,RVM)模型对HI曲线进行趋势预测,实现了滚动轴承的剩余寿命(Remaining Useful Life,RUL)预测。实验结果表明,所提方法相较于对比方法具有较好的预测精度。
|
关 键 词: | 剩余寿命预测 滚动轴承 长短记忆神经网路 健康指标 带斜率的极端拐点模型 |
|
|