-
题名基于Yu范数深度迁移度量学习的夹送辊剩余寿命预测
- 1
-
-
作者
孟飞
徐增丙
王志刚
-
机构
武汉科技大学机械自动化学院
-
出处
《农业装备与车辆工程》
2024年第1期157-161,共5页
-
文摘
针对夹送辊历史数据少和相关寿命预测方法匮乏的问题,提出基于Yu范数深度迁移度量学习的夹送辊剩余寿命预测方法。首先使用Yu范数深度度量学习(DMN-Yu)对振动信号提取深层特征,并以主成分分析法(PCA)和自组织映射神经网络(SOM)相结合对特征进行约简,构建一维健康因子(HI);再结合长短时记忆网络(LSTM)模型,通过迁移策略利用共享隐含层的方法对目标夹送辊进行预测分析。实验验证,经过深度迁移学习的LSTM模型预测效果更好,对夹送辊设备的健康状态评估及剩余使用寿命预测具有一定的指导意义。
-
关键词
夹送辊
寿命预测
Yu范数
深度度量学习
共享隐含层迁移
-
Keywords
pinch rolls
lifetime prediction
Yu parametric
deep metric learning
shared hidden layer migration
-
分类号
TH113
[机械工程—机械设计及理论]
TG333.1
[金属学及工艺—金属压力加工]
-
-
题名基于深度迁移学习的滚动轴承剩余使用寿命预测
被引量:6
- 2
-
-
作者
汪立雄
王志刚
徐增丙
林辉
-
机构
武汉科技大学冶金装备及其控制教育部重点实验室
武汉科技大学机械自动化学院
中国船舶工业集团公司第七〇八研究所
-
出处
《制造技术与机床》
北大核心
2020年第12期130-134,137,共6页
-
基金
国家自然科学基金项目(51775391)
装备预研基金项目(6142223180312)。
-
文摘
针对轴承剩余使用寿命(RUL)预测模型训练样本少导致预测精度低的问题,提出一种基于深度迁移学习的滚动轴承剩余使用寿命预测方法。首先利用深度信念网络(DBN)和自组织映射神经网络(SOM)直接对原始振动信号构建轴承健康因子(HI),然后以长短时记忆网络(LSTM)模型为基础,通过共享隐含层的迁移方法训练RUL预测模型,最后利用LSTM-DT进行RUL预测。实验证明,构建HI能够精确反映轴承的健康状态,LSTM-DT算法有效提高RUL预测精度。
-
关键词
剩余使用寿命预测
深度信念网络
自组织映射神经网络
轴承健康因子
长短时记忆网络
共享隐含层迁移
-
Keywords
remaining useful life prediction
deep belief network
self-organizing feature map neural network
bearing health indicator
long-short term memory network
shared hidden layer transfer
-
分类号
TH113.3
[机械工程—机械设计及理论]
TH165.3
[机械工程—机械制造及自动化]
-