期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于改进深度森林的滚动轴承剩余寿命预测方法 被引量:27
1
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
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部