本發明屬于軸承壽命預測領域,公開了基于深度互學習和動態特征構建的軸承剩余使用壽命預測方法,本發明中選用更穩定的軸承特征RRMS,首先在第一階段運用由DML改進的卷積神經網絡自動提取特征,用來指示軸承的健康情況,當軸承退化到50%時(輸出小于0.5)時,通過長短時記憶網絡對后50%進行預測,最后,將這兩個階段的結果結合起來,得到軸承的壽命退化曲線,通過上述方法得到的模型輸出可以直接用于RUL的計算,該方法避免了對軸承失效閾值的選擇,在整個預測過程中,CNN和LSTM分別用于軸承退化的不同階段,最大限度地利用現有的全壽命數據和當前的軸承歷史數據來提高模型的精度。
聲明:
“基于深度互學習和動態特征構建的軸承剩余使用壽命預測方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)