滾動(dòng)軸承是重要的機(jī)械標(biāo)準(zhǔn)件,在機(jī)器中被大量使用,但軸承本身易出故障且比不易排查,預(yù)估軸承剩余使用壽命,能夠提前對軸承開展有效的維護(hù)保養(yǎng),保障機(jī)器的正常運(yùn)行,因此,滾動(dòng)軸承的剩余使用壽命有非常大的研究價(jià)值。針對滾動(dòng)軸承開展研究,首先對傳感器采集到的軸承振動(dòng)信號計(jì)算時(shí)域特征,作為輸入特征值,并預(yù)設(shè)壽命退化值,然后使用雙向長短期記憶神經(jīng)網(wǎng)絡(luò)BiLSTM建立軸承退化模型,并根據(jù)模型擬合出軸承的剩余壽命曲線。通過在公開數(shù)據(jù)集上進(jìn)行驗(yàn)證,基于BiLSTM的模型能準(zhǔn)確預(yù)測出軸承的剩余使用壽命。
【部分圖文】：

RNN稱為循環(huán)神經(jīng)網(wǎng)絡(luò)，其每一個(gè)隱層的輸出都會傳遞到下一層，作為下一層的輸入信息，因此具有短期記憶功能。但RNN因梯度消失問題不適用于訓(xùn)練長文本。LSTM稱為長短期記憶神經(jīng)網(wǎng)絡(luò)，它在RNN的基礎(chǔ)上增加了新的細(xì)胞狀態(tài)和三種門結(jié)構(gòu)[8]，細(xì)胞狀態(tài)負(fù)責(zé)保存信息，sigmoid、tanh等激活函數(shù)以及點(diǎn)乘操作等內(nèi)容共同組成門結(jié)構(gòu)，其網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。LSTM工作步驟如下：

研究發(fā)現(xiàn)，時(shí)域特征可以反映系統(tǒng)整體健康狀況[10]，常用于設(shè)備故障監(jiān)測和趨勢預(yù)測。常見的時(shí)域特征指標(biāo)包括均方根值、偏斜度、峰度等，用時(shí)域特征分析軸承的振動(dòng)信號數(shù)據(jù)，發(fā)現(xiàn)在軸承退化后期，均方根、峰度等均呈現(xiàn)了較大的波動(dòng)，如圖2所示�？紤]到復(fù)雜工況下，單個(gè)時(shí)域特征對軸承剩余壽命影響有限，因此本文綜合選取均值、峰值、偏斜度、均方根值、峰度、最大最小值、峰峰值、方差、標(biāo)準(zhǔn)差10個(gè)時(shí)域特征指標(biāo)作為模型的輸入特征。

實(shí)驗(yàn)設(shè)置前901個(gè)序列為訓(xùn)練樣本，用來訓(xùn)練軸承退化模型，后70個(gè)為測試樣本，用來測試該軸承在對應(yīng)狀態(tài)時(shí)的退化值是否準(zhǔn)確。模型設(shè)置兩個(gè)BiLSTM層，一個(gè)全連接層，圖3列出了模型的網(wǎng)絡(luò)結(jié)構(gòu)：實(shí)驗(yàn)采用Linear作為線性激活函數(shù)，RMSProp作為優(yōu)化器，使用均方誤差（MSE）來評估網(wǎng)絡(luò)性能，為避免過擬合，每層BiLSTM網(wǎng)絡(luò)后都設(shè)置了dropout。實(shí)驗(yàn)采用批處理方式進(jìn)行訓(xùn)練，其中每批數(shù)據(jù)大小為30，設(shè)置最多迭代100次，10次迭代后訓(xùn)練效果沒有改善立即停止訓(xùn)練。
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 郝俊虎;胡毅;崔寧寧;韓豐羽;徐崇良;;GRU-BP在數(shù)字化車間關(guān)鍵部件壽命預(yù)測中的研究[J];小型微型計(jì)算機(jī)系統(tǒng);2020年03期

2 閻旭坤;張星輝;鄭浩;;基于SVM-GA的剩余使用壽命預(yù)測方法研究[J];價(jià)值工程;2013年31期

3 張星輝;康建設(shè);趙勁松;肖雷;曹端超;劉浩;;基于混合高斯輸出貝葉斯信念網(wǎng)絡(luò)模型的設(shè)備退化狀態(tài)識別與剩余使用壽命預(yù)測方法研究[J];振動(dòng)與沖擊;2014年08期

4 張星輝;康建設(shè);高存明;曹端超;滕紅智;;基于MoG-HMM的齒輪箱狀態(tài)識別與剩余使用壽命預(yù)測研究[J];振動(dòng)與沖擊;2013年15期

5 唐旭;徐衛(wèi)曉;譚繼文;王彥松;;基于LSTM的滾動(dòng)軸承剩余使用壽命預(yù)測[J];機(jī)械設(shè)計(jì);2019年S1期

6 劉小雍;熊中剛;閻昌國;;一種融合支持向量機(jī)-高階粒子濾波方法的機(jī)械剩余使用壽命預(yù)測[J];貴州大學(xué)學(xué)報(bào)(自然科學(xué)版);2018年05期

7 王太勇;王廷虎;王鵬;喬卉卉;徐明達(dá);;基于注意力機(jī)制BiLSTM的設(shè)備智能故障診斷方法[J];天津大學(xué)學(xué)報(bào)(自然科學(xué)與工程技術(shù)版);2020年06期

8 蔣云鵬;郭天序;周東華;;基于剩余使用壽命預(yù)測的替換時(shí)間和備件訂購時(shí)間聯(lián)合決策[J];化工學(xué)報(bào);2015年01期

9 武兵;林健;熊曉燕;;基于支持向量回歸的多參數(shù)設(shè)備故障預(yù)測方法[J];振動(dòng).測試與診斷;2012年05期

10 王德巖;黃毅;褚建林;孫越鵬;;潤滑劑剩余使用壽命評定技術(shù)的研究[J];潤滑與密封;2006年02期

相關(guān)碩士學(xué)位論文 前5條

1 夏鄧成;基于LSSVR-HSMM的滾動(dòng)軸承剩余使用壽命預(yù)測研究[D];華中科技大學(xué);2019年

2 高山;變工況滾動(dòng)軸承剩余使用壽命研究[D];鄭州大學(xué);2019年

3 周裕華;滾動(dòng)軸承的性能退化評估與剩余使用壽命預(yù)測方法的研究[D];華南理工大學(xué);2018年

4 胡龍飛;基于深度學(xué)習(xí)的滾動(dòng)軸承壽命預(yù)測[D];西南交通大學(xué);2019年

5 韓寧;基于統(tǒng)計(jì)分析的剩余壽命模型和預(yù)測[D];西安電子科技大學(xué);2014年

本文編號：2894267