-
题名基于t⁃SNE降维方法的滚动轴承剩余寿命预测
被引量：3
- 1
-
-
作者
钟建华
黄聪
钟舜聪
肖顺根
-
机构
福州大学机械工程及自动化学院
福建省太赫兹功能器件与智能传感重点实验室
宁德师范学院信息工程学院
-
出处
《机械强度》
CAS
CSCD
北大核心
2024年第4期969-976,共8页
-
基金
国家自然科学基金项目(52275096)
福建省技术创新重点攻关项目(2022G02030)资助。
-
文摘
由于实际工况下的轴承退化数据有限,无法获得足够的退化数据来训练神经网络,在深度学习网络中很难得到好的预测结果,所以提出一种新的结合机器学习和统计数据驱动的方法。首先对原始振动信号做特征提取,通过集合经验模态分解奇异值分解(Ensemble Empirical Mode Decompositiont Singular Value Decomposition,EEMD+SVD)得到数十维特征,加上剩余寿命预测常用的诸如峭度、均值等有效特征,利用决策树筛选出15维特征;将所筛选特征进行双指数拟合并通过t分布随机近邻嵌入(t⁃distributed Stochastic Neighbor Embedding,t⁃SNE)将退化信号降维成线性趋势。线性退化趋势在预测上相比于指数趋势有更好的泛化性,同时预测准确度相比于指数模型支持向量回归(Support Vector Regression,SVR)和深度信念网络(Deep Belief Network,DBN)都有较高的提升。
-
关键词
特征提取
轴承
剩余寿命预测
双指数模型
t⁃SNE
-
Keywords
Feature extraction
Bearing
Remaining useful life prediction
Double exponential model
t⁃distributed stochastic neighbor embedding
-
分类号
TH17
[机械工程—机械制造及自动化]
-
