典型文献
自动扶梯轴承健康指标提取及剩余寿命预测方法研究
文献摘要：
针对小样本情况下滚动轴承的健康指标提取及寿命预测问题,提出了一种结合变分模态分解(VMD)和门控循环网络(GRU)的轴承健康指标提取及寿命预测方法.首先,针对现场设备轴承故障全寿命数据稀缺问题,对样本数据进行扩增,通过VMD分解将一维数据分解为多维数据;然后,对多维数据进行时域特征提取及归一化处理;最后,以归一化特征为输入,以轴承寿命百分比为输出训练GRU网络,用此网络提取出了轴承健康指标,进行了轴承剩余寿命(RUL)预测,并对数据进行了验证和分析.研究结果表明:基于试验台数据,相比于原始数据GRU方法(Raw-GUR)、循环神经网络健康指标方法(RNN-HI)、卷积神经网络-长短时记忆网络方法(CNN-LSTM),采用该方法单调性分别可以提高0.26、0.19和0.08,基于自动扶梯电动机轴承故障数据单调性分别提高0.48、0.3和0.07;基于VMD特征空间扩增及特征提取后,VMD-GRU方法构建的轴承健康指标具有更优的单调性,可更细致获得信号局部特征空间,可以克服传统算法仅对全局样本特征进行提取难以捕捉局部特征的缺点,使GRU网络构建的健康指标性能更优.
文献关键词：
自动扶梯;滚动轴承;健康指标;剩余寿命预测;变分模态分解;GRU网络
中图分类号：
作者姓名：
关鹏;张毅
作者机构：
北京市轨道交通建设管理有限公司,北京100068;城市轨道交通全自动运行系统与安全监控北京市重点实验室,北京100068
文献出处：
引用格式：
[1]关鹏;张毅-.自动扶梯轴承健康指标提取及剩余寿命预测方法研究)[J].机电工程,2022(02):202-209
A类：
B类：
自动扶梯,健康指标,剩余寿命预测,寿命预测方法,小样本,滚动轴承,变分模态分解,VMD,门控循环网络,GRU,轴承故障,全寿命,命数,稀缺,数据分解,多维数据,时域特征提取,归一化处理,轴承寿命,RUL,试验台,台数,原始数据,Raw,GUR,循环神经网络,网络健康,RNN,HI,长短时记忆网络,单调性,电动机轴,故障数据,特征空间,局部特征,传统算法,样本特征,网络构建,指标性
AB值：
0.295553
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
