-
题名基于深度卷积模糊系统的滚动轴承剩余寿命预测方法
- 1
-
-
作者
边晓光
蒲晓珉
陈天奇
徐冠华
王郑拓
田阳
-
机构
东方电气集团数字科技有限公司
浙江大学流体动力基础件与机电系统全国重点实验室
浙江大学浙江省三维打印工艺与装备重点实验室
-
出处
《机电工程》
北大核心
2025年第11期2050-2060,共11页
-
基金
浙江省重点研发计划项目(2024C01039)。
-
文摘
针对传统深度神经网络模型参数多、计算复杂和可解释性较差的问题,提出了一种基于深度卷积模糊系统(DCFS)的滚动轴承寿命预测方法。首先,介绍了深度卷积模糊系统模型架构和快速训练算法,使用试验台采集了多个轴承退化的振动数据,整合了各个时段的数据集,利用Pearson相关系数,划分出了轴承开始失效的时刻;然后,划分了训练集与测试集,并提取了失效时间段振动信号的时域统计特征,利用这些特征以递阶方式设计了模糊系统,建立了DCFS剩余寿命预测模型;最后,计算了实际剩余使用寿命(RUL)和预测寿命之间的均方根误差和平均百分比误差,确立了DCFS模型最优参数,并与其他方法进行了比较。研究结果表明:与传统机器学习方法相比,DCFS效果更好,预测结果波动更小;与卷积神经网络(CNN)相比,计算平均耗时由83.401 s下降到4.551 s,且DCFS通过模糊规则建立了输入与输出之间的关联,可解释性更好。该方法可用于实际轴承剩余使用寿命的预测。
-
关键词
旋转机械
深度卷积模糊系统
剩余寿命预测模型
可解释性
剩余使用寿命
轴承退化振动数据
-
Keywords
rotating machinery
deep convolution fuzzy system(DCFS)
remaining life prediction model
interpretability
remaining useful life(RUL)
vibration data of bearing degradation
-
分类号
TH133.33
[机械工程—机械制造及自动化]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
