基于深度学习的滚动轴承剩余使用寿命预测

滚动轴承是机械传动设备的“关节点”,对其进行剩余使用寿命预测对机械设备安全生产和维护有重要意义,本文提出一种基于粒子群优化算法配合深度学习的滚动轴承剩余使用寿命预测模型。首先,对滚动轴承振动信号进行时域、频域和时频域特征提取,利用单调性和鲁棒性筛选出能够反映轴承退化过程的敏感特征;其次,基于高斯混合模型提取健康因子,解决单一特征指标无法有效反映退化趋势的问题;最后,将粒子群优化后的网络结构参数输入模型中进行轴承的剩余使用寿命预测,通过两组数据集的预测结果比较发现,粒子群优化后双向长短时记忆神经网络模型预测精度比双向长短时记忆神经网络的模型提高约10.6%和24.7%。

基于电感式油液金属磨粒监测传感器研究进展

对润滑油液中金属磨粒进行监测可实现对机械设备预测性维修,针对电感式油液金属磨粒监测传感器的研究已成为主流研究方向。主要介绍了电感式传感器监测金属颗粒原理、结构类型、监测优缺点,总结近年来针对传感器参数和监测电路优化研究,分析电感式油液磨粒传感器在实际应用中的可行性,为后续电感式油液金属磨粒传感器研究提供方向性参考。