典型文献
基于DTW相似度和Bi-LSTM的滚动轴承寿命预测
文献摘要：
针对现有的滚动轴承退化指标单调性差,对轴承异常不敏感导致基于数据驱动的深度学习算法难以实现轴承寿命准确预测的问题,提出一种基于动态时间规整算法(DTW)和双向长短期记忆神经网络(Bi-LSTM)的滚动轴承剩余寿命预测算法.利用信息熵提取滚动轴承的退化特征,构造连续的时间序列;划分时间序列并构造出参考模板及测试模板,采用DTW算法计算模板间的相似度,将它作为健康指标表征轴承的退化程度;用健康指标训练Bi-LSTM网络并预测轴承的寿命.采用法国IEEE PHM 2012的全寿命数据进行研究,结果表明:经过DTW算法优化信息熵指标后所构造的健康指标可更好地反映轴承的退化过程;当进行寿命预测并保持预测算法不变时,经过优化后的指标较优化前相比,能明显提高轴承寿命预测的准确度.
文献关键词：
滚动轴承;剩余寿命预测;动态时间规整;相似度;双向长短期记忆神经网络
中图分类号：
作者姓名：
周建清;朱文昌;王恒
作者机构：
常州市高级职业技术学校电气工程学院,江苏常州213161;南通大学机械工程学院,江苏南通226019
文献出处：
引用格式：
[1]周建清;朱文昌;王恒-.基于DTW相似度和Bi-LSTM的滚动轴承寿命预测)[J].机床与液压,2022(22):179-184
A类：
B类：
DTW,Bi,轴承寿命,轴承退化,退化指标,标单,单调性,不敏,深度学习算法,难以实现,准确预测,动态时间规整算法,双向长短期记忆神经网络,滚动轴承剩余寿命,剩余寿命预测,预测算法,信息熵,退化特征,算法计算,健康指标,退化程度,IEEE,PHM,全寿命,命数,算法优化
AB值：
0.252966
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。
