為保障機(jī)械設(shè)備工作的安全性與可靠性,剩余壽命預(yù)測(cè)技術(shù)是設(shè)備軸承維護(hù)中的重要環(huán)節(jié)。由于深度學(xué)習(xí)具有強(qiáng)大的數(shù)據(jù)處理能力,提出通過使用深度學(xué)習(xí)的數(shù)據(jù)驅(qū)動(dòng)方法來提高預(yù)測(cè)的準(zhǔn)確度。首先,將來自軸承的原始振動(dòng)信號(hào)用作深層網(wǎng)絡(luò)的輸入,深度置信網(wǎng)絡(luò)和深度自編碼器用于提取深度特征;其次,基于提取的特征選擇不同的回歸模型進(jìn)行回歸;最后,用測(cè)試軸承進(jìn)行測(cè)試,比較兩種深度特征及傳統(tǒng)特征在不同的回歸模型上的表現(xiàn)。實(shí)驗(yàn)結(jié)果表明,深度置信神經(jīng)網(wǎng)絡(luò)特征準(zhǔn)確性更高,支持向量回歸模型效果較其他模型更優(yōu)。 

【文章來源】：機(jī)械工程師. 2020,(08)

【文章頁數(shù)】：5 頁

【文章目錄】：
0 引言
1 深度神經(jīng)網(wǎng)絡(luò)
    1.1 深度置信神經(jīng)網(wǎng)絡(luò)
    1.2深度自編碼器
2 剩余壽命預(yù)測(cè)模型
    2.1 軸承特征提取
    2.2 回歸預(yù)測(cè)
3 實(shí)驗(yàn)與結(jié)果分析
    3.1 實(shí)驗(yàn)數(shù)據(jù)
    3.2 傳統(tǒng)與深度特征提取
    3.3 實(shí)驗(yàn)結(jié)果
4 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]基于混合核平滑自編碼器的分類器設(shè)計(jì)[J]. 劉帆,吳小俊.  計(jì)算機(jī)應(yīng)用與軟件. 2017(12)
[2]基于EMD的灰色模型的疲勞剩余壽命預(yù)測(cè)方法研究[J]. 徐東,徐永成,陳循,李興林,楊擁民.  振動(dòng)工程學(xué)報(bào). 2011(01)



本文編號(hào)：3040060