期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于ConvLSTM的风机轴承寿命预测
1
作者 肖宗朕 杜浩飞 +3 位作者 王勇 张超 张丹丹 李建军 《组合机床与自动化加工技术》 北大核心 2024年第6期161-165,170,共6页
针对普通滚动轴承寿命预测模型在提取特征过程中存在特征提取不充分、预测误差大等问题,提出了基于双通道的卷积长短时记忆网络(ConvLSTM)风机轴承寿命预测模型。首先,将原始轴承振动信号进行小波阈值去噪,去除振动信号中的噪声干扰;其... 针对普通滚动轴承寿命预测模型在提取特征过程中存在特征提取不充分、预测误差大等问题,提出了基于双通道的卷积长短时记忆网络(ConvLSTM)风机轴承寿命预测模型。首先,将原始轴承振动信号进行小波阈值去噪,去除振动信号中的噪声干扰;其次,为充分提取特征采用双通道提取振动信号特征,其中一路为轴承振动信号信息,另一路为频域幅值信号;然后,采用ConvLSTM模型进行特征提取,该模型可同时兼顾空间局部特征和时间序列上的依赖关系,具有良好的特征提取能力;最后,将两路特征融合深入到全连接层,输出模型预测结果;此外,为提高模型预测准确率,还对损失函数作了相应改进。实验结果表明,所提模型轴承剩余寿命预测误差百分比均在20%以下,其误差百分比小于其他基于深度学习的模型。 展开更多
关键词 寿命预测 深度学习 卷积长短时记忆网络 振动信号 特征提取
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部