典型文献
有噪声和变工况环境下剩余使用寿命预测
文献摘要：
由于剩余使用寿命预测对于机械正常运转和避免意外事故的发生起到至关重要的作用,如何提高剩余使用寿命预测的鲁棒性已经成为一个广受关注的问题.然而,现如今的方法很少考虑到实际工业环境中的噪声干扰及轴承不同的退化模式对于剩余使用寿命预测的影响.为解决上述问题,该文提出基于堆叠降噪自编码器和多尺度一维卷积神经网络的轴承剩余使用寿命预测模型.首先,利用堆叠降噪自编码器来去除噪声对于剩余使用寿命预测的影响;然后,利用多尺度一维卷积神经网络提取不同工况下更为全面的退化特征;最后,使用多个尺度得到的深度特征进行回归预测.该方法在PHM2012挑战赛的数据集上进行实验验证,实验结果表明该方法能够有效地预测轴承的剩余使用寿命,其均方根误差和绝对平均误差分别达到0.0631和0.0278,优于其他方法.
文献关键词：
剩余使用寿命预测;堆叠降噪自编码器;一维卷积神经网络;多尺度学习;轴承
中图分类号：
作者姓名：
谈为智;冯骁;邱祺;丁婷婷
作者机构：
合肥工业大学 管理学院,合肥 230009;江苏省仪征中学,江苏 扬州 211400
文献出处：
引用格式：
[1]谈为智;冯骁;邱祺;丁婷婷-.有噪声和变工况环境下剩余使用寿命预测)[J].科技创新与应用,2022(28):21-26
A类：
多尺度一维卷积神经网络
B类：
变工况,下剩,剩余使用寿命预测,意外事故,生起,现如今,工业环境,噪声干扰,轴承,退化模式,堆叠降噪自编码器,寿命预测模型,除噪声,不同工况,退化特征,深度特征,回归预测,PHM2012,挑战赛,平均误差,其他方法,多尺度学习
AB值：
0.184038
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。
