基于深度瓶颈特征学习与LSTM网络的轴承退化趋势预测

文档名：基于深度瓶颈特征学习与LSTM网络的轴承退化趋势预测
针对传统的趋势预测方法大多没有考虑整个轴承运行时间累积和连续变化的影响,并且特征提取方法多为浅层训练方法,难以充分挖掘反映轴承性能变化的有效特征问题.提出了一种基于深度瓶颈特征与长短时记忆网络(LSTM)的轴承性能退化趋势预测方法.通过提取多个统计特征组成原始高维特征集,输入到堆叠自编码网络(SAE)来获得一种深度瓶颈特征,挖掘更利于趋势预测的深层次特征表达.将深度瓶颈特征作为长短时记忆网络的输入,建立轴承性能退化趋势预测模型.轴承加速退化实验验证了该方法在轴承趋势预测上的有效性.
作者：唐刚周佑光王华庆
作者单位：北京化工大学机电工程学院,北京100029
母体文献：2018年全国设备监测诊断与维护学术会议暨第十六届全国设备故障诊断学术会议、第十八届全国设备监测与诊断学术会议、2018年全国设备诊断工程会议论文集
会议名称：2018年全国设备监测诊断与维护学术会议暨第十六届全国设备故障诊断学术会议、第十八届全国设备监测与诊断学术会议、2018年全国设备诊断工程会议  
会议时间：2018年8月1日
会议地点：内蒙古包头
主办单位：中国机械工程学会,中国振动工程学会,中国设备管理协会
语种：chi
分类号：
关键词：轴承退化  预测模型  深度瓶颈特征学习  长短时记忆网络
在线出版日期：2021年12月15日
基金项目：
相似文献
相关博文

2024-12-10 15:31 上传 基于深度瓶颈特征学习与LSTM网络的轴承退化趋势预测.pdf

文件大小:

1.18 MB

下载次数:

60

高速下载