检索结果-南通市图书馆

机电工程 2024年第8期41卷 1423-1430页

作者：胡志辉王绪光王贡献张腾李帅琦武汉理工大学交通与物流工程学院湖北武汉430063

针对滚动轴承剩余使用寿命(RUL)预测退化起始时间(DST)难以确定,以及单一寿命预测模型精度比较低的问题,提出了一种基于状态划分和集成学习模型的滚动轴承RUL预测方法。首先,提取了轴承振动信号的特征,利用滑动窗口不断更新3σ准则预警... 详细信息

针对滚动轴承剩余使用寿命(RUL)预测退化起始时间(DST)难以确定,以及单一寿命预测模型精度比较低的问题,提出了一种基于状态划分和集成学习模型的滚动轴承RUL预测方法。首先,提取了轴承振动信号的特征,利用滑动窗口不断更新3σ准则预警范围,结合连续触发机制自适应确定DST;然后,采用具有自适应噪声的完全集成经验模态分解(CEEMDAN)对退化阶段信号序列进行了自适应分解;最后,构建了集成学习模型,考虑分量的不同特性进行了多步滚动预测,融合预测结果得到了轴承RUL,采用滚动轴承XJTU-SY公开数据集进行了试验验证。研究结果表明:与基于长短时记忆神经网络(LSTM)、反向传播神经网络(BPNN)的预测方法相比,该方法预测结果的平均绝对误差分别降低了11.7%以及5.6%,相对均方根误差分别降低了12.2%以及10.7%,验证了该方法在轴承RUL预测中的有效性和优越性。

关键词：滚动轴承剩余使用寿命退化起始时间自适应DST状态划分集成学习模型退化特征提取具有自适应噪声的完全集成经验模态分解长短时记忆神经网络

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于状态划分和集成学习的剩余使用寿命预测模型

引用

机电工程 2024年

作者：胡志辉王绪光王贡献张腾李帅琦武汉理工大学交通与物流工程学院

针对滚动轴承剩余使用寿命(RUL)预测退化起始时间(DST)难以确定，以及单一寿命预测模型精度比较低的问题，提出了一种基于状态划分和集成学习模型的RUL预测方法。首先，提取了轴承振动信号的特征，利用滑动窗口不断更新3σ准则预警范围... 详细信息

针对滚动轴承剩余使用寿命(RUL)预测退化起始时间(DST)难以确定，以及单一寿命预测模型精度比较低的问题，提出了一种基于状态划分和集成学习模型的RUL预测方法。首先，提取了轴承振动信号的特征，利用滑动窗口不断更新3σ准则预警范围，结合连续触发机制自适应确定DST；然后，采用具有自适应噪声的完全集成经验模态分解(CEEMDAN)对退化阶段信号序列进行了自适应分解；最后，构建了集成学习模型，考虑分量的不同特性进行了多步滚动预测，融合预测结果得到了轴承RUL，采用滚动轴承XJTU-SY公开数据集进行了试验验证。研究结果表明：与基于长短时记忆神经网络(LSTM)、反向传播神经网络(BPNN)的预测方法相比，该方法预测结果的平均绝对误差分别降低了11.7%以及5.6%，相对均方根误差分别降低了12.2%以及10.7%，验证了该方法在轴承RUL预测中的有效性和优越性。

关键词：轴承剩余使用寿命退化起始时间自适应DST状态划分集成学习模型退化特征提取完全集成经验模态分解长短时记忆神经网络

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：