文献检索-宁波市创意产业特色资源库

限定检索结果

基于DA-BLSTM的轴承剩余使用寿命预测: 收藏
分享
引用; 《组合机床与自动化加工技术》2023年第2期 73-77页; 作者：郭润夏刘殊彤中国民航大学电子信息与自动化学院天津300300 中国民航大学中欧航空工程师学院天津300300; 基于轴承维修保障的实际需求,以精确预测轴承剩余使用寿命(RUL)为目标,提出了一种深度学习网络框架,即DA-BLSTM。首先,提取了与轴承性能退化密切相关的15种时域和频域特征;然后,引入注意力机制并与双向长短期记忆网络(BLSTM)深度融合,...; 基于轴承维修保障的实际需求,以精确预测轴承剩余使用寿命(RUL)为目标,提出了一种深度学习网络框架,即DA-BLSTM。首先,提取了与轴承性能退化密切相关的15种时域和频域特征;然后,引入注意力机制并与双向长短期记忆网络(BLSTM)深度融合,设计了DA-BLSTM,其中输入注意力机制能够自适应地选取相关时域和频域特征,方向注意力机制用于分配BLSTM不同时间方向(前向、后向)隐藏状态的权重,得到精确的RUL预测结果。在PRONOSTIA平台的滚动轴承数据上进行实验验证,比较实验结果表明基于DA-BLSTM的预测方法具有更高的精度。; 来源：详细信息评论

限定检索结果