文献类型：期刊文章

作　　者：姚德臣[1,2] 李博阳[1,2] 刘恒畅[1,2] 姚娟娟[3] 皮雁南[3]

YAO Dechen;LI Boyang;LIU Hengchang;YAO Juanjuan;PI Yannan(School of Machine-Electricity and Automobile Engineering,Beijing University of Civil Engineering Architecture,Beijing 100044,China;Beijing Municipal Key Lab of Performance Guarantee on Urban Rail Transit Vehicles,Beijing University of Civil Engineering Architecture,Beijing 100044,China;Beijing Mass Transit Railway Operation Co.,Ltd.,Beijing 100044,China)

机构地区：[1]北京建筑大学机电与车辆工程学院,北京100044 [2]北京建筑大学城市轨道交通车辆服役性能保障北京市重点实验室,北京100044 [3]北京市地铁运营有限公司,北京100044

出　　处：《振动与冲击》

基　　金：北京市自然科学基金(L191005);国家自然科学基金资助项目(51975038);北京市教委科研计划一般项目(SQKM201810016015);北京市属高校水平教师队伍建设支持计划青年拔尖人才培育计划项目(CIT&TCD201904062,CIT&TCD201704052)。

年　　份：2021

卷　　号：40

期　　号：17

起止页码：116-123

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对旋转机械装置中滚动轴承剩余寿命随时间变化趋势难以准确预测问题,充分利用循环神经网络(recurrent neural networks,RNN)对时间序列数据的处理能力,提出一种融合注意力机制的门控循环单元(attention gated recurrent unit,AGRU)算法应用于滚动轴承剩余寿命预测领域之中。该方法首先从原始振动信号中提取多种时域特征构建数据集,并将数据集进行归一化处理,其次,将注意力机制(attention mechanism)引入GRU(gated recurrent unit)模型之中,最后,将特征数据集划分为训练集和测试集,训练集用于训练模型,确定最优模型参数,测试集用于对模型效果进行评估。试验结果表明,改进后的GRU模型可有效预测不同类型的滚动轴承剩余寿命随时间变化趋势,为滚动轴承零件剩余使用寿命预测提供了一种新思路。

关 键 词：滚动轴承 特征数据集  GRU(gated recurrent unit)算法  注意力机制  寿命预测  

分 类 号：TH133.33]