文献类型：期刊文章

作　　者：唐旭[1] 徐卫晓[1] 谭继文[1] 王彦松[2]

TANG Xu;XU Wei-xiao;TAN Ji-wen;WANG Yan-song(School of Mechanical&Automotive Engineering,Qingdao University of Technology,Qingdao 266520;MESNAC,Qingdao 266500)

机构地区：[1]青岛理工大学机械与汽车工程学院,山东青岛266520 [2]软控股份有限公司,山东青岛266500

出　　处：《机械设计》

基　　金：山东省重点研发计划资助项目(2018GGX103016);山东省高等学校科技计划资助项目(J15LB10)

年　　份：2019

卷　　号：36

期　　号：A01

起止页码：117-119

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD_E2019_2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为了准确反映滚动轴承的剩余使用寿命随着时间的变化,提出了使用具有时序功能的长短期记忆网络(LSTM)来预测滚动轴承退化程度的方法。按照时间顺序提取振动信号的均方根值、峰度、偏斜度等15个时域特征作为判断滚动轴承退化的特征值,将其输入到长短期记忆网络中,将网络输出的轴承退化值设定为0~1,0表示轴承完好,1为预定的滚动轴承寿命。再将退化值映射到对应组数的剩余使用寿命上,分析退化预测值与真实值的偏离程度。LSTM的预测值逼近真实值,拟合预测值便可得到滚动轴承的剩余使用寿命曲线,可以通过曲线较准确判断轴承退化程度。

关 键 词：长短期记忆网络  滚动轴承 剩余使用寿命  

分 类 号：TH133.33]