本发明属于轴承寿命预测领域,公开了基于深度互学习和动态特征构建的轴承剩余使用寿命预测方法,本发明中选用更稳定的轴承特征RRMS,首先在第一阶段运用由DML改进的卷积神经网络自动提取特征,用来指示轴承的健康情况,当轴承退化到50%时(输出小于0.5)时,通过长短时记忆网络对后50%进行预测,最后,将这两个阶段的结果结合起来,得到轴承的寿命退化曲线,通过上述方法得到的模型输出可以直接用于RUL的计算,该方法避免了对轴承失效阈值的选择,在整个预测过程中,CNN和LSTM分别用于轴承退化的不同阶段,最大限度地利用现有的全寿命数据和当前的轴承历史数据来提高模型的精度。
声明:
“基于深度互学习和动态特征构建的轴承剩余使用寿命预测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)