文献检索-宁波市创意产业特色资源库

限定检索结果

基于数据增强和卷积神经网络的多轴承剩余寿命预测: 收藏
分享
引用; 《机械设计》2021年第8期38卷 84-90页; 作者：邹旺吉畅陈伟兴郑凯六盘水师范学院工程实训中心贵州六盘水553004 六盘水师范学院物理与电气工程学院贵州六盘水553004 六盘水师范学院矿业与土木工程学院贵州六盘水553004 杭州优海信息系统有限公司浙江杭州310000; 轴承的健康状态与设备安全可靠运行息息相关,在现代制造系统中,轴承剩余使用寿命(Remaining Useful Life,RUL)预测已成为研究热点。文中提出了通过数据增强来提取轴承衰退特征并利用卷积神经网络(Convolutional Neural Network,CNN)进...; 轴承的健康状态与设备安全可靠运行息息相关,在现代制造系统中,轴承剩余使用寿命(Remaining Useful Life,RUL)预测已成为研究热点。文中提出了通过数据增强来提取轴承衰退特征并利用卷积神经网络(Convolutional Neural Network,CNN)进行轴承RUL预测的方法。该方法首先将均方根、峰值和峰度作为时域特征,频谱分区求和(FSPS)特征作为频域特征,经过数据增强将18维时域和频域特征增加到108维,从而得到全面反应轴承退化过程的信息。通过搭建卷积神经网络(CNN),利用CNN处理高维特征的能力实现轴承RUL预测。最后,试验结果证明文中所提方法相对DNN模型、SVM模型具有更高的预测精度。; 来源：详细信息评论

高级检索 表达式检索

时间限定

文献类型

馆藏选择

核心期刊

语言

高级检索 表达式检索

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

限定检索结果

保存检索档案

请选择保存的检索档案：

收藏书架

请选择收藏分类：

检索条件订阅

申请转借

引用

高级检索 表达式检索

时间限定

文献类型

馆藏选择

核心期刊

语言

高级检索 表达式检索

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

限定检索结果

保存检索档案

请选择保存的检索档案： 新增检索档案 确定 取消

收藏书架

请选择收藏分类： 新增自定义分类 确定 取消

检索条件订阅

申请转借

引用

高级检索表达式检索

高级检索表达式检索

请选择保存的检索档案：

请选择收藏分类：