摘要
为了提高现代制造业的可靠性和效率,根据轴承剩余使用寿命预测(RUL),提出了一种基于联想神经网络的轴承剩余寿命预测模型.该模型在17个轴承数据集上随机选出4个轴承的数据作为模型的验证集,剩下的13个轴承数据来训练集,并采用5折交叉验证将这13个轴承数据划分为训练集和测试集.在训练神经网络时,采用了学习率衰减机制,并对比学习率衰减机制与固定学习率的差异.试验结果表明,该模型相比LASSO、随机森林回归(RFR)、支持向量回归(SVR)、深度学习等方法在RMSE和MAE两个方面具有明显的提高.
基金项目
2016年智能制造新模式应用子项目(工信部联装[2016]213号-01)
NETL
NSTL
维普
万方数据