首页|采用TCN-HS的滚动轴承剩余使用寿命预测

采用TCN-HS的滚动轴承剩余使用寿命预测

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
滚动轴承作为旋转机械中的关键部件,对其剩余使用寿命RUL(remained useful life)的准确预测可以帮助维修人员及时制定维修计划,延长设备工作时间,保证安全.由于利用数学建模精确建立轴承退化过程的模型涉及到复杂的物理过程,所以以深度学习为基础的基于数据驱动的方法已经成为主流方法.提出了一种融合混合膨胀卷积与自适应斜率软阈值函数的时间卷积神经网络TCN-HS(temporal convolutional network with hybrid dilated convolution and self-adaptive slope thresholding)用于滚动轴承寿命预测.模型使用混合膨胀卷积HDC(hybrid dilated convolution)解决了栅格效应问题,并利用自适应斜率软阈值函数(self-adaptive slope thresholding)进一步筛选特征.为了验证TCN-HS模型的有效性,基于PHM2012 轴承数据集进行了实验,结果表明:改进方法提升了模型的性能,预测结果准确.
Prediction of remaining useful life of rolling bearings by using TCN-HS

王体春、吴广胜、咸玉贝、胡玉峰

展开 >

南京航空航天大学 机电学院,南京 210000

中国民用航空华东地区管理局,上海 200000

剩余寿命预测 时间卷积神经网络 混合膨胀卷积 自适应斜率软阈值函数

江苏省自然科学基金面上项目国家自然科学基金华东空管局科技项目

BK2022148151775272

2023

10.3969/j.issn.1674-8425(z).2023.06.024

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
年,卷(期)：2023.37(11)
  • 3