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

doi:10.19912/j.0254-0096.tynxb.2020-0445

	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.