重庆理工大学学报2023，Vol.37Issue(1) ：92-100.DOI:10.3969/j.issn.1674-8425(z).2023.01.011

多模块U-Net-BiLSTM网络驱动的滚动轴承寿命预测方法研究

Research on the life prediction method of rolling bearings driven by the multi-module U-Net-BiLSTM network

李扬号 丁康 蒋飞 何国林 黎杰
重庆理工大学学报2023，Vol.37Issue(1) ：92-100.DOI:10.3969/j.issn.1674-8425(z).2023.01.011
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据

多模块U-Net-BiLSTM网络驱动的滚动轴承寿命预测方法研究

Research on the life prediction method of rolling bearings driven by the multi-module U-Net-BiLSTM network

李扬号 1丁康 1蒋飞 1何国林 2黎杰3
扫码查看

作者信息

  • 1. 华南理工大学 机械与汽车工程学院,广州 510640
  • 2. 华南理工大学 机械与汽车工程学院,广州 510640;人工智能与数字经济广东省实验室,广州 510640
  • 3. 广州华工机动车检测技术有限公司,广州 510640
  • 折叠

摘要

针对滚动轴承寿命预测方法难以准确识别故障始发时刻(FPT)和提取时间序列深层特征的问题,提出了一种联合高精度FPT点和多模块U-Net-BiLSTM网络的滚动轴承寿命预测方法:对小波降噪后原始信号功率谱中每一时刻内所有频率成分进行累加求和,联合欧氏距离准则与3σ原则识别高精度FPT点;分别将残差块、池化层和归一化层引入编码器和解码器中实现多尺度特征融合,从而改进传统U-Net网络,有效提升了模型对时序信号的处理能力和预测速度.实验结果表明:相较于现有3种深度学习方法,具有更高的预测精度和更快的预测速度.

关键词

滚动轴承/寿命预测/故障始发时刻/U-Net网络

引用本文复制引用

基金项目

国家自然科学基金(52075182)

广东省自然科学基金(2020A1515010972)

出版年

2023
重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
参考文献量10
段落导航相关论文