典型文献
基于变维GRU-BiLSTM神经网络模型的滚动轴承寿命预测
文献摘要：
滚动轴承作为最常见的旋转机械零部件,其服役状态下产生的振动信号具有典型的周期性特征,为充分发挥轴承振动信号的这一特征,提出一种融合变维门控循环单元(GRU)和双向长短时记忆单元(BiLSTM)的神经网络模型,并用于轴承寿命预测.该模型先将原始振动信号分成训练集和测试集,然后将轴承振动信号直接输入到变维GRU层中,由变维GRU层捕获原信号的特征并建立特征间的关联性,然后将预处理后的数据输入到BiLSTM层中,由BiLSTM对轴承寿命进行预测.通过使用试验台数据集进行试验,验证了该模型在轴承寿命预测上具有较高的精度,具有一定的工程指导意义.
文献关键词：
滚动轴承;寿命预测;门控循环单元;双向长短时记忆网络
中图分类号：
作者姓名：
唐贵基;周威;王晓龙;徐振丽;丁傲
作者机构：
华北电力大学机械工程系,河北保定071003;华北电力大学河北省电力机械装备健康维护与失效预防重点实验室,河北保定071003
文献出处：
引用格式：
[1]唐贵基;周威;王晓龙;徐振丽;丁傲-.基于变维GRU-BiLSTM神经网络模型的滚动轴承寿命预测)[J].中国工程机械学报,2022(06):498-503
A类：
B类：
GRU,BiLSTM,滚动轴承,轴承寿命,寿命预测,旋转机械,机械零部件,服役状态,振动信号,轴承振动,门控循环单元,长短时记忆单元,训练集,测试集,试验台,台数,工程指导,双向长短时记忆网络
AB值：
0.255572
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。
