| 基于DBN-LSTM的滚动轴承剩余寿命预测模型 |
| |
| 引用本文： | 慎明俊,高宏玉,张守京,王典.基于DBN-LSTM的滚动轴承剩余寿命预测模型[J].科学技术与工程,2021,21(31):13328-13333. |
| |
| 作者姓名： | 慎明俊 高宏玉 张守京 王典 |
| |
| 作者单位： | 西安工程大学机电工程学院, 西安710048;北奔重型汽车集团有限公司, 包头014000 |
| |
| 基金项目： | 国家重点研发计划项目(2019YFB1707205)第一作者：慎明俊(1996—),男,汉族,河南鲁山人,硕士研究生。研究方向：机械设备故障诊断与寿命预测。E-mail：1183877893@qq.com。 ,高宏玉2,张守京1,王典1 |
| |
| 摘 要： | 针对滚动轴承退化数据的复杂性和传统的寿命预测方法不能充分利用数据的相关性从而导致预测精度不高的问题，提出了一种基于融合深度置信神经网络（deep belief neural , DBN）和长短时记忆神经网络（long-short term memory , LSTM）的剩余寿命预测模型。该模型首先采用带通滤波降噪对滚动轴承振动数据进行去噪，然后依据均方根特征和峭度特征在轴承全寿命周期内的趋势图确定模型的预测起始点；其次利用优化后的4层DBN网络完成深度特征提取并用于LSTM的训练与测试。通过轴承全寿命周期试验证明提出模型的可靠性，并且与传统LSTM、BP(back propagation)神经网络和DBN-BP模型的预测结果进行对比，验证了本文模型的有效性。
|
| 关 键 词： | 滚动轴承 深度置信神经网络 长短时记忆神经网络 剩余寿命 |
| 收稿时间： | 2021/3/25 0:00:00 |
| 修稿时间： | 2021/8/24 0:00:00 |
Remaining Useful Life Prediction Model for Rolling Bearings Based on DBN-LSTM |
| |
| Shen Mingjun,Gao Hongyu,Zhang Shoujing,Wang Dian.Remaining Useful Life Prediction Model for Rolling Bearings Based on DBN-LSTM[J].Science Technology and Engineering,2021,21(31):13328-13333. |
| |
| Authors: | Shen Mingjun Gao Hongyu Zhang Shoujing Wang Dian |
| |
| Abstract: | |
| |
| Keywords: | rolling bearings deep belief neural network long-short term memory neural network remaining useful life |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《科学技术与工程》浏览原始摘要信息 |
| 点击此处可从《科学技术与工程》下载免费的PDF全文 |
|
