基于时间卷积网络的机床齿轮箱轴承剩余寿命预测
版权信息:站内文章仅供学习与参考,如触及到您的版权信息,请与本站联系。
信息
资料大小
2.22 MB
文件类型
PDF
语言
简体中文
资料等级
☆☆☆☆☆
下载次数
简介
基于深度神经网络的RUL预测模型结构比较复杂,不能很好地满足中长期预测任务的要求。为了更好地利用时间信息,设计一种基于时间卷积网络(TCN)的轴承RUL预测模型。以振动信号的频谱特征作为输入,利用因果膨胀卷积结构提取频域特征并捕获长期依赖,从而实现对轴承准确的RUL预测。为了进一步说明所提方法的优越性,将所提方法与卷积神经网络(CNN)、门控循环单元(GRU)进行了对比。结果表明所提出的TCN模型的RUL预测精度优于其他现有方法,具有较高的精度。相关论文
- 2020-01-06三维径向流筛管评价实验装置的研制
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。