检索结果-南通市图书馆

基于双重自注意力机制和长短时记忆网络的剩余寿命预测

在线全文

学校读者我要写书评

暂无评论

系统工程与电子技术 2024年第6期46卷 1986-1994页

作者：吴嘉俊苏春张玉茹东南大学机械工程学院江苏南京211189

剩余使用寿命(remaining useful life,RUL)预测是产品故障预测与健康管理的重要内容。传统长短期记忆(long short-term memory,LSTM)网络无法主动选择关键特征、难以高效提取大数据所蕴含的退化信息。提出一种基于改进LSTM网络的RUL预... 详细信息

剩余使用寿命(remaining useful life,RUL)预测是产品故障预测与健康管理的重要内容。传统长短期记忆(long short-term memory,LSTM)网络无法主动选择关键特征、难以高效提取大数据所蕴含的退化信息。提出一种基于改进LSTM网络的RUL预测方法,采用随机森林(random forest,RF)算法筛选输入特征,以主动选取关键特征;采用双重自注意力机制分别从特征维度和时间维度完成权重自适应分配,使模型在学习过程中关注主要特征和历史时间点;通过融合统计特征,以提高RUL预测精度。以航空发动机数据集为例完成案例分析,验证方法有效性。结果表明,所提方法能有效提高基于复杂数据集的RUL预测精度。

关键词：剩余寿命预测随机森林双重自注意力机制长短期记忆网络航空发动机

同方期刊数据库博看期刊

变分资格迹元强化循环网络用于空间滚动轴承剩余寿命预测

在线全文

学校读者我要写书评

暂无评论

计算机集成制造系统 2024年第6期30卷 2159-2171页

作者：姜沛轩李锋汤宝平汪永超四川大学机械工程学院四川成都610065 重庆大学机械传动国家重点实验室重庆400044

针对经典时间循环神经网络(SRNNs)在预测时间序列中存在长时依赖的缺陷,同时由于遍历整个训练数据集进行现有监督式学习增加了时间复杂度,造成SRNNs在预测空间滚动轴承剩余寿命中存在预测精度和计算效率较低的问题,提出一种变分资格迹... 详细信息

针对经典时间循环神经网络(SRNNs)在预测时间序列中存在长时依赖的缺陷,同时由于遍历整个训练数据集进行现有监督式学习增加了时间复杂度,造成SRNNs在预测空间滚动轴承剩余寿命中存在预测精度和计算效率较低的问题,提出一种变分资格迹元强化循环网络(VETMRRN)。在VETMRRN中,构建新型时间循环网络结构以增大历史信息记忆量,并设计基于神谕门机制的元学习超参数自初始化网络来加速搜索VETMRRN的最优回顾序列长度;设计含有资格迹算子的变分自编码元策略梯度学习算法,以提高对VETMRRN参数的训练速度和全局优化效果。在此基础上提出基于VETMRRN的空间滚动轴承剩余寿命预测方法。首先采用Shapely值特征融合提取空间滚动轴承的性能退化特征;然后将性能退化特征输入VETMRRN中预测性能退化特征趋势;最后建立威布尔分布可靠度模型来预测空间滚动轴承的剩余寿命。该方法具有较高的预测精度、较好的泛化性能和较高的计算效率。最后通过空间滚动轴承剩余寿命预测实例证明了该方法的有效性。

关键词：元学习时间循环网络神谕门机制元策略梯度空间滚动轴承剩余寿命预测

基于健康因子和混合Bi-LSTM-NAR模型的锂离子电池剩余寿命预测

在线全文

学校读者我要写书评

暂无评论

中国机械工程 2024年第5期35卷 851-859页

作者：夏然苏春东南大学机械工程学院南京211189

为准确预测锂离子电池剩余寿命、降低电池工作风险,提出一种新的锂离子电池剩余寿命在线预测模型。基于锂离子电池历史运行数据提取6种健康因子,用于表征电池的退化状态;采用随机森林(RF)算法完成健康因子的评价与筛选;利用经遗传算法... 详细信息

为准确预测锂离子电池剩余寿命、降低电池工作风险,提出一种新的锂离子电池剩余寿命在线预测模型。基于锂离子电池历史运行数据提取6种健康因子,用于表征电池的退化状态;采用随机森林(RF)算法完成健康因子的评价与筛选;利用经遗传算法优化的广义回归神经网络(GA-GRNN)完成锂离子电池剩余容量的估计。在此基础上,应用结合双向长短期记忆(Bi-LSTM)网络模型和非线性自回归(NAR)神经网络的混合模型(混合Bi-LSTM-NAR模型)预测锂电池剩余寿命。以NASA公开数据集为例完成案例研究,结果表明:通过因子筛选,可以为锂离子电池容量估计及剩余寿命预测的精度提供保障;与已有方法的预测结果相比,所提混合预测模型的预测精度显著提高。

关键词：锂离子电池健康因子神经网络剩余寿命预测

多传感器融合和MHA-LSTM的电机轴承剩余寿命预测

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

仪器仪表学报 2024年第3期45卷 84-93页

作者：张菀张泰瑀贾民平蔡骏南京信息工程大学自动化学院南京210044 江苏省大气环境与装备技术协同创新中心南京210044 东南大学机械工程学院南京211102

轴承作为电机的核心部件,主要起到支撑引导轴、减小设备摩擦、连接不同设备等作用,其剩余寿命预测对系统健康管理起着十分重要的作用。针对单一传感器信号通常难以全面描述系统的潜在退化机制,论文提出一种基于多头注意力机制和长短时... 详细信息

轴承作为电机的核心部件,主要起到支撑引导轴、减小设备摩擦、连接不同设备等作用,其剩余寿命预测对系统健康管理起着十分重要的作用。针对单一传感器信号通常难以全面描述系统的潜在退化机制,论文提出一种基于多头注意力机制和长短时记忆神经网络的电机轴承剩余寿命预测模型。首先,基于马氏距离确定轴承性能退化起始点,将滚动轴承全寿命周期分为正常阶段与退化阶段;其次,使用自编码器自动提取振动信号特征,并将其与电机电流、轴承温度融合,构成多源信息特征矩阵;然后基于多头注意力机制和长短时记忆网络模型动态选择相关度较高的特征,提高寿命预测的准确性。最后,采用实验数据进行验证,结果表明所提出的模型具有更高的准确性。

关键词：电机轴承多传感器融合多头注意力机制长短期记忆网络剩余寿命预测

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于改进粒子滤波的锂离子电池剩余寿命预测

电力系统保护与控制 2024年第9期52卷 123-131页

作者：刘博尹杰李然哈尔滨理工大学传感器与可靠性工程研究所黑龙江哈尔滨150080 汽车电子驱动控制与系统集成教育部工程研究中心黑龙江哈尔滨150080

针对锂离子电池剩余寿命预测精度低、泛化能力差等问题,提出基于改进粒子滤波的预测方案。首先,提出双高斯模型作为退化经验模型,拟合锂离子电池的容量退化过程。然后,通过先验知识设置退化模型的初始参数,并利用粒子滤波方法进行参数... 详细信息

针对锂离子电池剩余寿命预测精度低、泛化能力差等问题,提出基于改进粒子滤波的预测方案。首先,提出双高斯模型作为退化经验模型,拟合锂离子电池的容量退化过程。然后,通过先验知识设置退化模型的初始参数,并利用粒子滤波方法进行参数更新。针对预测过程中出现的粒子退化问题,提出高斯混合方法进行粒子重采样,拟合重采样过程中粒子复杂的非线性分布和长尾分布,保证预测结果的概率密度分布状况均匀且集中。最后在不同的数据集上进行了实验验证,结果表明所提出的改进粒子滤波方案具有较高的精度和较强的鲁棒性。

关键词：锂离子电池剩余寿命预测粒子滤波高斯混合模型

基于多源域迁移学习的带式输送机剩余寿命预测方法

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

中国机械工程 2024年第8期35卷 1435-1448页

作者：高新勤杨学琦郑海洋西安理工大学机械与精密仪器工程学院西安710048

煤矿开采过程中,带式输送机运行环境恶劣、工况复杂,致使获得的传感监测数据量有限且存在大量噪声干扰,严重限制了其剩余寿命预测的准确度。针对该问题,提出了一种多源域迁移学习剩余寿命预测方法,充分利用煤矿运输过程中积累的带式输... 详细信息

煤矿开采过程中,带式输送机运行环境恶劣、工况复杂,致使获得的传感监测数据量有限且存在大量噪声干扰,严重限制了其剩余寿命预测的准确度。针对该问题,提出了一种多源域迁移学习剩余寿命预测方法,充分利用煤矿运输过程中积累的带式输送机多工况数据,以达到准确预测其关键零部件托辊轴承剩余寿命的目的。首先构建集成多尺度卷积神经网络和双向门控循环单元(MCNN-BiGRU)的设备退化特征提取模型,对单工况数据进行特征提取挖掘,并使用PSO算法确定模型超参数。在此基础上,加入多源域迁移学习(MDT)方法,利用多个工况数据进行剩余寿命预测,通过最大均值差异(MMD)与相互关系对齐(CORAL)联合损失拉近各源域数据分布差异,解决因数据量少导致的模型训练精度不高的问题。最后以煤矿实际生产数据集为例进行实验,结果表明:MDT-MCNN-BiGRU模型的预测效果较好,Savitzky-Golay滤波去噪后模型性能得以进一步提升;使用IMS数据集与现有方法进行比较,发现所提方法预测准确度较高,对煤矿运输设备健康管理具有一定的指导意义。

关键词：带式输送机剩余寿命预测多工况特征提取多源域迁移学习

基于DRSN和优化BiLSTM的轴承剩余寿命预测方法

维普期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

计算机集成制造系统 2024年第5期30卷 1877-1888页

作者：文井辉伍荣森李帅永韩明秀重庆邮电大学工业物联网与网络化控制教育部重点实验室重庆400065

针对传统轴承寿命预测方法过度依赖先验知识、缺乏自适应性及退化特征难以提取导致的预测误差大的问题,提出一种自适应特征提取的基于深度残差收缩网络(DRSN)和双向长短时记忆网络(BiLSTM)的轴承剩余寿命预测方法。首先,无需任何先验知... 详细信息

针对传统轴承寿命预测方法过度依赖先验知识、缺乏自适应性及退化特征难以提取导致的预测误差大的问题,提出一种自适应特征提取的基于深度残差收缩网络(DRSN)和双向长短时记忆网络(BiLSTM)的轴承剩余寿命预测方法。首先,无需任何先验知识利用DRSN对轴承原始信号进行自动特征学习,提取退化特征并构建健康指标;然后,采用麻雀搜索算法优化BiLSTM隐藏层神经元个数和学习率,基于优化的BiLSTM网络建立轴承剩余寿命预测模型;最后,进行对比实验验证:分别对比DRSN、残差网络、均值特征3种方法提取的健康指标的性能和不同的轴承剩余寿命寿命预测模型进行对比实验。实验结果表明DRSN网络提取的健康指标性能最优,同时基于优化后的BiLSTM轴承剩余寿命预测模型的误差最小,基于优化后BiLSTM、BiLSTM和长短时记忆网络(LSTM)的3种轴承剩余寿命预测模型的均方根误差分别为1.41%、2.71%、5.64%,验证了方法的有效性。

关键词：深度残差收缩网络双向长短时记忆网络剩余寿命预测麻雀搜索算法

考虑台风影响的海上风电机组部件剩余寿命预测方法

在线全文

学校读者我要写书评

暂无评论

电力自动化设备 2024年第6期44卷 35-42页

作者：刘璐洁李传文符杨刘智彬黄玲玲上海电力大学海上风电研究院上海200090 上海电力大学电气工程学院上海200090

针对台风天气影响下海上风电机组剩余寿命预测问题,提出了考虑退化状态与台风冲击相依的海上风电机组部件剩余寿命预测方法。基于台风冲击模型及部件状态对部件退化过程的影响分析,构建了考虑退化状态与冲击相依的海上风电机组部件剩余... 详细信息

针对台风天气影响下海上风电机组剩余寿命预测问题,提出了考虑退化状态与台风冲击相依的海上风电机组部件剩余寿命预测方法。基于台风冲击模型及部件状态对部件退化过程的影响分析,构建了考虑退化状态与冲击相依的海上风电机组部件剩余寿命可靠度模型。利用实际监测数据对部件可靠度模型进行修正更新,建立了剩余寿命动态预测模型。采用fmincon函数对离散化处理后的部件可靠度模型进行参数估计,结合运行监测数据修正参数,进而动态预测剩余寿命。以某海上风电机组齿轮箱部件为例进行仿真,验证了所提方法的有效性。

关键词：海上风电机组台风天气部件可靠度模型剩余寿命预测动态预测

基于迁移学习和降噪自编码器-长短时间记忆的锂离子电池剩余寿命预测

在线全文

学校读者我要写书评

暂无评论

电工技术学报 2024年第1期39卷 289-302页

作者：尹杰刘博孙国兵钱湘伟哈尔滨理工大学测控技术与通信工程学院哈尔滨150080 黑龙江大学电子工程学院哈尔滨150006

针对锂离子电池退化数据噪声大、数据量少以及不同生命时期的退化趋势不同而导致的模型预测精度低、泛化能力差等问题,从数据预处理、预测模型的构建与训练三方面展开研究:首先结合变分自编码器(VAE)和生成对抗网络模型(GAN)构建VAE-GA... 详细信息

针对锂离子电池退化数据噪声大、数据量少以及不同生命时期的退化趋势不同而导致的模型预测精度低、泛化能力差等问题,从数据预处理、预测模型的构建与训练三方面展开研究:首先结合变分自编码器(VAE)和生成对抗网络模型(GAN)构建VAE-GAN模型生成多组数据,实现电池的退化数据增强;然后结合降噪自编码器(DAE)和长短时记忆(LSTM)神经网络构建DAE-LSTM模型进行数据降噪和容量预测,为了降低模型参数,此过程中的数据降噪和预测共享同一个损失函数;最后先利用生成数据对DAE-LSTM模型进行预训练,再利用真实数据对其进行迁移训练。在CACLE和NASA公开数据集进行性能测试,实验结果表明该文所提方法精度高、鲁棒性强,能够有效提高锂离子电池剩余寿命的预测效果。

关键词：锂离子电池剩余寿命预测降噪自编码器长短时记忆神经网络迁移学习