期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于改进CNN-BGRU的滚动轴承剩余使用寿命预测模型
1
作者 王仲 姜娇 +2 位作者 宋洋 张磊 谷泉 《机电工程》 2025年第11期2158-2167,共10页
针对现有人工智能方法在滚动轴承剩余使用寿命(RUL)预测中呈现出准确性低的问题,提出了一种基于改进卷积双向门控循环单元神经网络(CNN-BGRU)的滚动轴承剩余使用寿命预测方法(模型)。首先,利用卷积神经网络(CNN)对滚动轴承寿命数据进行... 针对现有人工智能方法在滚动轴承剩余使用寿命(RUL)预测中呈现出准确性低的问题,提出了一种基于改进卷积双向门控循环单元神经网络(CNN-BGRU)的滚动轴承剩余使用寿命预测方法(模型)。首先,利用卷积神经网络(CNN)对滚动轴承寿命数据进行了深层特征提取,同时提出了一种新的改进修正单元的激活函数,提升了特征表达能力;然后,考虑到滚动轴承全寿命周期时序数据的前后关联信息,构建了双向门控循环单元网络(BGRU),用来捕捉轴承全寿命周期时序数据;并运用一次函数拟合曲线,预测了滚动轴承的剩余使用寿命;最后,依据滚动轴承加速寿命预测实验的数据集,在三种不同工况下对CNN-BGRU方法的有效性和优越性进行了验证。研究结果表明:相较于门控双注意单元(GDAU)、深度神经网络(DNN)、宏观-微观注意长短期记忆网络(MMALSTM),CNN-BGRU寿命预测方法的平均得分分别提高了0.09、0.23、0.04;在平均绝对误差(MAE)、均方根误差(RMSE)和平均绝对百分比误差(MAPE)三项关键评价指标上,该方法均取得了最优值,分别为166、0.178和16.8%。由此可见,基于改进CNN-BGRU的滚动轴承剩余寿命预测方法能够较好地对轴承剩余使用寿命进行预测,且具备良好的泛化性能。 展开更多
关键词 激活函数 全寿命周期时序数据 卷积神经网络 双向门控循环单元网络 剩余使用寿命预测 加速寿命试验
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部