基于图形特征的双输入卷积神经网络风力机轴承剩余寿命预测 | |
余萍1,2,3; 曹洁2 | |
刊名 | 太阳能学报 |
2022-05-28 | |
卷号 | 43期号:05页码:343-350 |
关键词 | 风力机轴承 双输入卷积神经网络 图形特征 剩余使用寿命 预测 |
ISSN号 | 0254-0096 |
DOI | 10.19912/j.0254-0096.tynxb.2020-0445 |
英文摘要 | 提出一种基于图形特征的风力机轴承剩余使用寿命(RUL)预测方法。首先,基于连续小波变换(CWT)对时域振动数据样本集进行预处理,得到用于预测的时频图形数据集。然后,采用双输入卷积神经网络(DICNN)从图形数据集中提取特征映射,用于构造高性能健康指数(DICNN-HI)来表征轴承各退化阶段的状态。最后,结合DICNN-HI,采用基于高斯过程回归(GPR)的分析方法进行RUL预测,并用PRONOSTIA滚动轴承数据集进行验证。结果表明,该方法具有较高的健康指数预测精度,能有效反映滚动轴承的劣化状态,有助于实现风力机轴承的RUL预测。同时,也可为其他旋转机械设备的剩余寿命预测提供重要的理论参考,具有一定的实用价值。 |
URL标识 | 查看原文 |
语种 | 中文 |
出版者 | Science Press |
内容类型 | 期刊论文 |
源URL | [http://ir.lut.edu.cn/handle/2XXMBERH/158201] |
专题 | 电气工程与信息工程学院 兰州理工大学 |
作者单位 | 1.兰州理工大学电气与控制工程国家级实验教学示范中心 2.兰州理工大学电气工程与信息工程学院; 3.甘肃省工业过程控制重点实验室; |
推荐引用方式 GB/T 7714 | 余萍,曹洁. 基于图形特征的双输入卷积神经网络风力机轴承剩余寿命预测[J]. 太阳能学报,2022,43(05):343-350. |
APA | 余萍,&曹洁.(2022).基于图形特征的双输入卷积神经网络风力机轴承剩余寿命预测.太阳能学报,43(05),343-350. |
MLA | 余萍,et al."基于图形特征的双输入卷积神经网络风力机轴承剩余寿命预测".太阳能学报 43.05(2022):343-350. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论