期刊文献+
共找到298篇文章
< 1 2 15 >
每页显示 20 50 100
采煤机摇臂剩余寿命预测系统设计与开发 认领
1
作者 程泽银 丁华 杨亮亮 《煤矿机械》 北大核心 2021年第1期16-18,共3页
为了预测采煤机摇臂的剩余寿命并将预测过程和结果集成于系统进行动态可视化显示,设计并开发了基于ASP.NET框架的采煤机摇臂剩余寿命预测系统。利用Microsoft Visual Studio 2010系统开发软件,采用C#语言中Process类进程调用方法驱动Pyt... 为了预测采煤机摇臂的剩余寿命并将预测过程和结果集成于系统进行动态可视化显示,设计并开发了基于ASP.NET框架的采煤机摇臂剩余寿命预测系统。利用Microsoft Visual Studio 2010系统开发软件,采用C#语言中Process类进程调用方法驱动Python语言编写的深度学习寿命预测模型运行,结合相关控件对生成的图像和数据结果进行调用、解析和输出,完成寿命预测模型与Web系统的嵌套和交互,实现采煤机摇臂关键零部件剩余寿命预测值的可视化和数字化。最后,通过采煤机摇臂低速区惰轮机构与高速区轴承数据集验证了所开发系统的可行性与有效性。 展开更多
关键词 采煤机摇臂 剩余寿命预测 深度机器学习 剩余寿命预测模型
基于比例关系加速退化建模的设备剩余寿命在线预测 认领
2
作者 王泽洲 陈云翔 +2 位作者 蔡忠义 项华春 王莉莉 《系统工程与电子技术》 EI 北大核心 2021年第2期584-592,共9页
针对传统基于加速退化建模的剩余寿命在线预测方法需在特定共轭分布条件下才能实现漂移系数和扩散系数同步更新的问题,提出一种基于比例关系加速退化建模的设备剩余寿命在线预测方法。首先,在传统Wiener退化模型中引入扩散系数与漂移系... 针对传统基于加速退化建模的剩余寿命在线预测方法需在特定共轭分布条件下才能实现漂移系数和扩散系数同步更新的问题,提出一种基于比例关系加速退化建模的设备剩余寿命在线预测方法。首先,在传统Wiener退化模型中引入扩散系数与漂移系数的比例关系,从建模角度保证了扩散系数与漂移系数同步更新的可能性。其次,提出一种基于两步极大似然的参数估计方法,实现对模型参数的合理估计。然后,基于加速因子不变原则制定退化数据折算规则,并采用卡尔曼滤波原理在线更新设备退化状态。最后,基于全概率公式,推导出常应力条件下设备剩余寿命的概率密度函数。以某型加速度计加速退化数据为例进行分析验证,证明了所提方法能够有效提升剩余寿命预测的准确性,具备工程应用价值。 展开更多
关键词 WIENER过程 比例关系 加速退化模型 卡尔曼滤波 剩余寿命预测
在线阅读 下载PDF
基于ANN和SVM的轴承剩余使用寿命预测 认领
3
作者 邹旺 江伟 +1 位作者 冯俊杰 郑凯 《组合机床与自动化加工技术》 北大核心 2021年第1期32-35,共4页
为了提高现代制造业设备的可靠性和高效性,轴承剩余使用寿命(RUL)的预测已经成为越来越重要的研究方向。提出一种基于人工神经网络(ANN)和支持向量机(SVM)的轴承剩余使用寿命预测方法。该方法首先将获取的18维反映轴承衰退的时域特征和... 为了提高现代制造业设备的可靠性和高效性,轴承剩余使用寿命(RUL)的预测已经成为越来越重要的研究方向。提出一种基于人工神经网络(ANN)和支持向量机(SVM)的轴承剩余使用寿命预测方法。该方法首先将获取的18维反映轴承衰退的时域特征和频域特征输入到ANN模型中做特征抽取,再将输出的18维特征向量作为SVM模型的输入,进而对轴承剩余使用寿命进行预测。基于ANN和SVM融合模型方法是结合了ANN基于数据的强大特征学习能力和SVM处理小数据集的优势。运用多组轴承衰退振动信号对模型进行验证,比较实验结果表明,相比于随机森林(RFR)模型、LASSO模型、SVM模型和ANN模型,基于ANN和SVM的轴承剩余使用寿命预测方法具有更高的预测精度。 展开更多
关键词 ANN SVM 特征提取 剩余寿命预测
在线阅读 下载PDF
接触器红外热成像故障预测实验分析 认领
4
作者 王军 李伟 +2 位作者 俞跃 周继雯 叶超 《现代电子技术》 北大核心 2020年第4期108-111,116共5页
针对电梯交流接触器易出现接触不良、老化、受潮等问题,提出使用红外热成像检测技术对其进行故障检测。通过模拟电梯运行情况,搭建了实验平台,实现对接触器运行情况的实时监测。通过大量实验,得到了接触器在受环境中灰尘、接线端松动、... 针对电梯交流接触器易出现接触不良、老化、受潮等问题,提出使用红外热成像检测技术对其进行故障检测。通过模拟电梯运行情况,搭建了实验平台,实现对接触器运行情况的实时监测。通过大量实验,得到了接触器在受环境中灰尘、接线端松动、触头氧化及超负荷运行下的红外热特征图,能够较好地发现其异常情况。同时,为了对接触器剩余寿命进行提前预测,设计了加速寿命实验,通过中位迭次法及最小二乘法分析实验数据,采用威布尔分布模型获得了接触器在实验温度下的可靠度函数,并以90%的可靠度作为接触器在该温度下的剩余寿命,进而曲线拟合得到了接触器的剩余寿命与温度的关系函数,以此来对接触器在不同运行温度下的剩余寿命进行预测。实验结果能给电梯维保人员作业提供检测依据。 展开更多
关键词 故障预测 红外热成像 接触器 运行监测 剩余寿命预测 实验分析
在线阅读 免费下载
基于改进GRU的航空发动机剩余寿命预测 认领
5
作者 车畅畅 王华伟 +1 位作者 倪晓梅 付强 《航空计算技术》 2020年第1期13-16,20共5页
针对航空发动机状态参数多样且非线性相关、退化过程复杂的特点,提出了基于改进GRU(Gated Recurrent Units)神经网络的航空发动机剩余寿命预测模型。模型具有多层的GRU神经网络,将多状态参数输入到第一层GRU进行性能退化分析得到性能指... 针对航空发动机状态参数多样且非线性相关、退化过程复杂的特点,提出了基于改进GRU(Gated Recurrent Units)神经网络的航空发动机剩余寿命预测模型。模型具有多层的GRU神经网络,将多状态参数输入到第一层GRU进行性能退化分析得到性能指标;利用剩下的GRU层对性能指标进行时间序列预测;在得到性能指标预测的基础上,通过设定阈值得到最终的剩余寿命预测结果。通过实验验证证明:与传统的时间序列预测模型相比,改进GRU模型解决了传统GRU模型在处理多状态参数时的重复建模问题,并且有更高的剩余寿命预测准确率和更强的抗干扰能力。 展开更多
关键词 航空发动机 GRU神经网络 性能退化分析 时间序列预测 剩余寿命预测
在线阅读 免费下载
基于IPSO-Elman的锂电池剩余寿命预测 认领
6
作者 刘子英 钱超 朱琛磊 《现代电子技术》 北大核心 2020年第12期100-105,共6页
针对传统埃尔曼(Elman)神经网络在预测过程中初始权值和阈值随机性选取,易陷入局部极小化问题,为提高锂电池剩余寿命的预测精度,提出一种基于自适应权重的改进粒子群(IPSO)-埃尔曼(Elman)神经网络预测锂电池剩余寿命的方法。针对锂电池... 针对传统埃尔曼(Elman)神经网络在预测过程中初始权值和阈值随机性选取,易陷入局部极小化问题,为提高锂电池剩余寿命的预测精度,提出一种基于自适应权重的改进粒子群(IPSO)-埃尔曼(Elman)神经网络预测锂电池剩余寿命的方法。针对锂电池测量数据中伴随的噪声,利用高斯去噪,削弱数据中的噪声影响,提取原始数据;再利用IPSO全局搜索的能力对Elman神经网络的初始参数进行优化;最后基于美国国家航空航天局(NASA)提供的锂电池测量数据,对提出的方法进行有效性验证,并与常规的BP,Elman算法进行对比。预测结果表明,IPSO-Elman预测误差在不同训练样本下都小于BP,Elman算法,表现出较强的适应能力。 展开更多
关键词 锂电池 剩余寿命预测 IPSO-Elman 预测建模 高斯去噪 参数优化
在线阅读 免费下载
数字孪生与深度学习融合驱动的采煤机健康状态预测 认领 被引量:1
7
作者 丁华 杨亮亮 +1 位作者 杨兆建 王义亮 《中国机械工程》 EI CAS CSCD 北大核心 2020年第7期815-823,共9页
针对处于恶劣工作环境的采煤机状态预测与维护困难的问题,结合数字孪生高逼真度行为仿真特性和深度学习强大的数据挖掘能力,提出数字孪生与深度学习融合驱动的采煤机健康状态预测方法。基于物理空间多物理参数构建采煤机数字孪生体,通... 针对处于恶劣工作环境的采煤机状态预测与维护困难的问题,结合数字孪生高逼真度行为仿真特性和深度学习强大的数据挖掘能力,提出数字孪生与深度学习融合驱动的采煤机健康状态预测方法。基于物理空间多物理参数构建采煤机数字孪生体,通过在虚拟空间的可视化展示与分析实现健康状态预判;建立基于深度学习的采煤机关键零件剩余寿命预测模型,实现实时监测数据驱动下的零件剩余寿命的在线预测;综合数字孪生体状态和剩余寿命值,实现采煤机健康状态预测。通过试验验证了该方法的有效性,为采煤机健康状态预测与管理提供新思路。 展开更多
关键词 数字孪生 深度学习 采煤机 健康预测 剩余寿命预测
在线阅读 下载PDF
医疗设备故障预测与健康管理体系结构研究 认领
8
作者 赵盼 涂途 《中国医学装备》 2020年第10期211-214,共4页
随着医院医疗设备智能化及自动化进程的快速发展,对其维修保障能力提出更高要求。为解决医疗设备种类繁多、管理复杂、故障诊断难度高、传统事后维修和计划维修的不足及经济可承受能力差等问题,将故障预测与健康管理(PHM)整体理论引入... 随着医院医疗设备智能化及自动化进程的快速发展,对其维修保障能力提出更高要求。为解决医疗设备种类繁多、管理复杂、故障诊断难度高、传统事后维修和计划维修的不足及经济可承受能力差等问题,将故障预测与健康管理(PHM)整体理论引入到医疗设备维修管理中,根据其他领域设备与医疗设备的相似性,研究设计医疗设备PHM系统并详细描述各组成模块的内容,以保障医疗设备使用安全,提高医疗设备使用率、减少医疗设备维护成本。 展开更多
关键词 医疗设备 故障预测与健康管理(PHM) 健康状态评估 剩余寿命预测
在线阅读 下载PDF
基于集成神经网络的剩余寿命预测 认领
9
作者 张永峰 陆志强 《工程科学学报》 EI CSCD 北大核心 2020年第10期1372-1380,共9页
针对机器或设备的剩余寿命(Remaining useful life,RUL)预测精度低的问题,提出基于一维卷积神经网络(Convolutional neural network,CNN)和双向长短期记忆(Bidirectional long short-term memory,BD-LSTM)的集成神经网络模型.为了更好... 针对机器或设备的剩余寿命(Remaining useful life,RUL)预测精度低的问题,提出基于一维卷积神经网络(Convolutional neural network,CNN)和双向长短期记忆(Bidirectional long short-term memory,BD-LSTM)的集成神经网络模型.为了更好地抽取时间序列上的特征,以及产生更多的训练样本,采用滑动窗口对数据进行处理,同时采用卡尔曼滤波对数据进行降噪处理,将数据标准化以及设置RUL标签.与人工提取特征不同,利用一维CNN对数据进行特征提取,并舍弃了CNN中的池化层.然后将提取到的高维特征输入到BD-LSTM进行回归预测,并采用Bagging的方式对此神经网络进行集成来预测RUL.最后通过在NASA的数据集上验证该模型的有效性,以及相比于其他机器学习或者深度学习模型的优越性,实验表明所提模型在RUL预测方面更加准确. 展开更多
关键词 卡尔曼滤波 剩余寿命预测 神经网络 深度学习 集成学习
在线阅读 下载PDF
航空发动机的健康指标构建与剩余寿命预测 认领
10
作者 彭开香 皮彦婷 +1 位作者 焦瑞华 唐鹏 《控制理论与应用》 EI CAS CSCD 北大核心 2020年第4期713-720,共8页
预测与健康管理技术能够有效的评估系统健康状态、预测系统剩余使用寿命,是提高复杂系统安全性、经济性的重要保障.为全面评估系统健康状态,本文提出了一种基于深度置信网络(DBN)的无监督健康指标构建方法,并结合隐马尔可夫模型(HMM)进... 预测与健康管理技术能够有效的评估系统健康状态、预测系统剩余使用寿命,是提高复杂系统安全性、经济性的重要保障.为全面评估系统健康状态,本文提出了一种基于深度置信网络(DBN)的无监督健康指标构建方法,并结合隐马尔可夫模型(HMM)进行系统剩余寿命预测.首先,通过无监督训练深度置信网络实现历史数据的特征提取,进而构建健康指标;其次,利用健康指标集训练隐马尔可夫模型,实现设备健康状态的自动识别;最后,通过DBN-HMM混合模型来计算系统剩余寿命.采用商用模块化航空推进系统仿真软件(C-MAPSS)给出的航空发动机数据集,验证了上述方法的有效性. 展开更多
关键词 深度置信网络 隐马尔可夫模型 健康指标 健康状态识别 剩余寿命预测
在线阅读 下载PDF
基于Larson-Miller参数锅炉管壁剩余寿命预测方法研究 认领
11
作者 熊定标 陶国强 +2 位作者 袁岑颉 金杰 汤云峰 《电力设备管理》 2020年第9期173-175,共3页
提出基于Larson-Millerr参数法对锅炉管壁寿命进行预测,通过有效的寿命预测,为电站锅炉的安全运行和状态检修工作实施提供有效的手段。
关键词 锅炉管壁 Larson-Miller参数 蠕变断裂 剩余寿命预测
在线阅读 下载PDF
基于Copula函数的齿轮箱剩余寿命预测方法 认领
12
作者 宋仁旺 张岩 石慧 《系统工程理论与实践》 EI CSSCI CSCD 北大核心 2020年第9期2466-2474,共9页
齿轮箱是风力发电机组的关键部件,对风力发电机的整体寿命有直接影响.针对齿轮箱的剩余寿命,提出了一种多退化量下的剩余寿命预测方法.首先,在分析齿轮箱寿命的影响因素基础上,选取齿轮箱的振动加速度和噪声作为退化量;其次,采用基于核... 齿轮箱是风力发电机组的关键部件,对风力发电机的整体寿命有直接影响.针对齿轮箱的剩余寿命,提出了一种多退化量下的剩余寿命预测方法.首先,在分析齿轮箱寿命的影响因素基础上,选取齿轮箱的振动加速度和噪声作为退化量;其次,采用基于核估计和随机滤波理论的方法分别对齿轮箱的振动加速度和噪声进行建模,从而获得齿轮箱的剩余寿命概率密度函数,进而得到其边缘分布函数;再利用Copula函数表示齿轮箱的振动加速度和噪声之间的随机相关性,求得齿轮箱剩余寿命的联合分布函数,从而得到齿轮箱剩余寿命的联合概率密度函数,得到齿轮箱剩余寿命预测值;最后,提出基于赤池信息准则模型评价的Copula函数选择方法.通过齿轮箱的试验验证了该方法的有效性. 展开更多
关键词 剩余寿命预测 多退化变量建模 COPULA函数
基于遗传算法选优的集成手段与时序卷积网络的涡扇发动机剩余寿命预测 认领
13
作者 朱霖 宁芊 +1 位作者 雷印杰 陈炳才 《计算机应用》 CSCD 北大核心 2020年第12期3534-3540,共7页
涡扇发动机作为航空航天领域的核心设备之一,其健康状况决定了航空器能否稳定可靠地运行。而对涡扇发动机的剩余寿命(RUL)进行判断,是设备监测与维护的重要一环。针对涡扇发动机监测过程中存在的工况复杂、监测数据多样、时间跨度长等特... 涡扇发动机作为航空航天领域的核心设备之一,其健康状况决定了航空器能否稳定可靠地运行。而对涡扇发动机的剩余寿命(RUL)进行判断,是设备监测与维护的重要一环。针对涡扇发动机监测过程中存在的工况复杂、监测数据多样、时间跨度长等特点,提出了一种遗传算法优选时序卷积网络(TCN)基模型的集成方法(GASENTCN)的涡扇发动机剩余寿命预测模型。首先,利用TCN捕获长跨度下的数据内在关系,从而对RUL作出预测;然后,应用GASEN集成多个独立的TCN,以增强模型的泛化性能;最后,在通用的商用模块化航空推进系统模拟模型(CMAPSS)数据集上,对所提模型与当下流行的机器学习方法和其他的深度神经网络进行了比较。实验结果表明,在多种不同的运行模式和故障条件下,与流行的双向长短期记忆(Bi-LSTM)网络相比,所提模型都有着更高的预测准确率与更低的预测误差。以FD001数据集为例,在该数据集上所提模型的均方根误差(RMSE)相较Bi-LSTM低17.08%,相对准确率(Accuracy)相较Bi-LSTM高12.16%。所提模型在设备的智能检修与维护方面有着较好的应用前景。 展开更多
关键词 数据驱动模型 剩余寿命预测 时序卷积网络 集成方法 涡扇发动机
在线阅读 下载PDF
基于LSTM-DBN的航空发动机剩余寿命预测 认领 被引量:1
14
作者 李京峰 陈云翔 +1 位作者 项华春 蔡忠义 《系统工程与电子技术》 EI CSCD 北大核心 2020年第7期1637-1644,共8页
针对航空发动机剩余寿命(remaining useful life,RUL)预测中多传感器监测数据维度高、规模大以及时间序列信息考虑不充分等问题,提出一种融合长短时记忆(long short-term memory,LSTM)网络和深度置信网络(deep belief network,DBN)的RU... 针对航空发动机剩余寿命(remaining useful life,RUL)预测中多传感器监测数据维度高、规模大以及时间序列信息考虑不充分等问题,提出一种融合长短时记忆(long short-term memory,LSTM)网络和深度置信网络(deep belief network,DBN)的RUL预测方法。首先,利用LSTM分别对单一传感器进行时间序列预测。其次,将预测结果整合输入到DBN进行健康指标提取。再次,结合健康指标预测曲线和失效阈值得到RUL预测结果。最后,利用商用模块化航空推进系统仿真数据集开展实验,并与已有方法进行对比分析,验证了该方法的可行性和有效性。 展开更多
关键词 长短时记忆网络 深度置信网络 健康指标 剩余寿命预测
在线阅读 下载PDF
重整四合一炉用国产P9钢管服役状况和剩余寿命预测 认领
15
作者 陈文红 《压力容器》 北大核心 2020年第5期8-12,30共6页
针对某公司100万吨/年连续重整装置的四合一炉用第一批国产化的P9钢管,采用直读光谱仪、室温拉伸试验机、光学金相显微镜、扫描电镜和高温持久试验机等设备开展了试验研究。结果表明,经过7年2个月服役,钢管理化性能未发生显著变化,仍满... 针对某公司100万吨/年连续重整装置的四合一炉用第一批国产化的P9钢管,采用直读光谱仪、室温拉伸试验机、光学金相显微镜、扫描电镜和高温持久试验机等设备开展了试验研究。结果表明,经过7年2个月服役,钢管理化性能未发生显著变化,仍满足ASTM A335对P9材质的要求。结合试验温度540~700℃、试验压力15~150 MPa的高温持久试验,采用L-M外推法,预测在管壁最高温度650℃、最高工作压力0.5 MPa条件下稳定服役的P9钢管母材剩余寿命约5年,截至2019年11月,在该服役条件下运行平稳。 展开更多
关键词 第一批国产化P9钢管 试验研究 剩余寿命预测
在线阅读 下载PDF
混凝土泵车砼活塞剩余寿命预测方法研究 认领
16
作者 刘杨成 《现代制造工程》 CSCD 北大核心 2020年第8期120-125,共6页
为解决混凝土泵车砼活塞因无法实现预防性更换而经常导致非计划停机的问题,提出一套基于状态监测数据的砼活塞剩余寿命预测方法。由于状态监测数据是多变量、非线性的多源异构数据,且数据量较小,不能主观确定一种合适的预测算法,因此选... 为解决混凝土泵车砼活塞因无法实现预防性更换而经常导致非计划停机的问题,提出一套基于状态监测数据的砼活塞剩余寿命预测方法。由于状态监测数据是多变量、非线性的多源异构数据,且数据量较小,不能主观确定一种合适的预测算法,因此选用lightgbm、SVR和BP神经网络3种非线性回归算法分别建立了剩余寿命预测模型,对比了各模型预测误差,并使用了模型融合的方法,实现了较高的预测精度。最后对剩余寿命区间进行了预测误差分析,分析结果能够为砼活塞的预防性更换计划提供决策支持。 展开更多
关键词 混凝土泵车 砼活塞 剩余寿命预测 模型融合 预防性更换
在线阅读 免费下载
基于相关向量机的发动机剩余寿命预测 认领
17
作者 彭鸿博 蒋雄伟 《科学技术与工程》 北大核心 2020年第18期7538-7544,共7页
针对民航发动机寿命预测中监测参数较多筛选困难的问题,提出一种基于信息融合与相关向量机(relevance vector machine,RVM)的发动机剩余寿命(remaining useful life,RUL)预测方法。首先通过核主元分析(kernel principle component analy... 针对民航发动机寿命预测中监测参数较多筛选困难的问题,提出一种基于信息融合与相关向量机(relevance vector machine,RVM)的发动机剩余寿命(remaining useful life,RUL)预测方法。首先通过核主元分析(kernel principle component analysis,KPCA)方法从发动机多维监测数据中提取退化特征信息;然后利用非线性模型将主元序列融合成反映发动机退化趋势的健康指数序列;最后采用相关向量机以历史失效数据为训练样本建立预测模型,对现有的发动机健康指数序列进行外推预测得到当前样本的寿命预测值。通过美国国家航空航天局(National Aeronautics and Space Administration,NASA) Ames研究中心公开的涡轮风扇发动机仿真数据验证了该方法的有效性,其预测性能优于常用的支持向量机(support vector machine,SVM)模型和过程神经网络模型。 展开更多
关键词 剩余寿命预测 核主元分析 健康指数 相关向量机
在线阅读 免费下载
基于改进深度森林的滚动轴承剩余寿命预测方法 认领 被引量:1
18
作者 王玉静 王诗达 +2 位作者 康守强 王庆岩 V.I.MIKULOVICH 《中国电机工程学报》 EI CSCD 北大核心 2020年第15期5032-5042,共11页
针对现有人工智能方法在滚动轴承剩余寿命预测中存在精度差、运算效率低的问题,提出一种基于深层迭代特征(deep iterative features,DIF)级联CatBoost(cascade catboost,CasCatBoost)的滚动轴承剩余寿命预测新方法。该方法是一种改进的... 针对现有人工智能方法在滚动轴承剩余寿命预测中存在精度差、运算效率低的问题,提出一种基于深层迭代特征(deep iterative features,DIF)级联CatBoost(cascade catboost,CasCatBoost)的滚动轴承剩余寿命预测新方法。该方法是一种改进的新型深度森林算法,首先对由快速傅里叶变换得到的滚动轴承频域信号进行迭代计算,得到迭代特征。为了减小内存的消耗,将深度森林中的多粒度扫描结构替换为卷积神经网络,提取迭代特征的深层特征,并构建性能退化特征集。然后对可实现GPU并行加速的单一CatBoost模型进行集成,引入决定系数R2构建CasCatBoost结构以提高模型的表征能力,选取模型最后一个级联层的平均寿命百分比p表示输出。最后运用一次函数对p进行拟合,预测出轴承的剩余寿命。利用PHM2012数据库对滚动轴承剩余寿命进行预测,所提方法的预测平均误差为10.57%、平均得分为0.426。 展开更多
关键词 滚动轴承 卷积神经网络 深层迭代特征 深度森林 剩余寿命预测
基于深度特征的轴承剩余寿命预测 认领
19
作者 邵佳颖 张星泽 《机械工程师》 2020年第8期81-84,87,共5页
为保障机械设备工作的安全性与可靠性,剩余寿命预测技术是设备轴承维护中的重要环节。由于深度学习具有强大的数据处理能力,提出通过使用深度学习的数据驱动方法来提高预测的准确度。首先,将来自轴承的原始振动信号用作深层网络的输入,... 为保障机械设备工作的安全性与可靠性,剩余寿命预测技术是设备轴承维护中的重要环节。由于深度学习具有强大的数据处理能力,提出通过使用深度学习的数据驱动方法来提高预测的准确度。首先,将来自轴承的原始振动信号用作深层网络的输入,深度置信网络和深度自编码器用于提取深度特征;其次,基于提取的特征选择不同的回归模型进行回归;最后,用测试轴承进行测试,比较两种深度特征及传统特征在不同的回归模型上的表现。实验结果表明,深度置信神经网络特征准确性更高,支持向量回归模型效果较其他模型更优。 展开更多
关键词 深度置信网络 深度自编码器 剩余寿命预测 轴承 支持向量回归
在线阅读 下载PDF
基于LSTM的硬盘剩余寿命预测 认领
20
作者 李顺 李君 +2 位作者 吴鑫 郎一辉 梅碧舟 《浙江万里学院学报》 2020年第4期69-77,共9页
随着云计算和大数据的迅速发展,硬盘在存储系统中的可靠性和稳定性越来越重要。硬盘故障导致的数据损坏会给企业和用户带来一定的损失。因此,必须提前检测出故障硬盘。文章提出了一种基于深度学习长短期记忆神经网络(Long Short Term Me... 随着云计算和大数据的迅速发展,硬盘在存储系统中的可靠性和稳定性越来越重要。硬盘故障导致的数据损坏会给企业和用户带来一定的损失。因此,必须提前检测出故障硬盘。文章提出了一种基于深度学习长短期记忆神经网络(Long Short Term Memory,LSTM)的硬盘剩余寿命预测方法。该方法相对于传统的机器学习方法能够捕获硬盘特征的序列信息。实验结果表明:文章建立的LSTM模型可以在训练样本和测试样本上分别达到0.27和1.85的平均绝对误差(Mean Absolute Error,MAE),并且比传统的机器学习方法提前更长的时间检测出故障硬盘。 展开更多
关键词 硬盘故障 深度学习 长短期记忆 剩余寿命预测
在线阅读 下载PDF
上一页 1 2 15 下一页 到第
使用帮助 返回顶部 意见反馈