基于无监督深度模型迁移的滚动轴承寿命预测方法
文献类型：期刊论文
| 作者 | 康守强; 邢颖怡; 王玉静; 王庆岩; 谢金宝; MIKULOVICHVladimirIvanovich |
| 刊名 | 自动化学报
 |
| 出版日期 | 2023 |
| 卷号 | 49期号:12页码:2627-2638 |
| 关键词 | 滚动轴承 不同工况 模型迁移 状态识别 剩余使用寿命 |
| ISSN号 | 0254-4156 |
| DOI | 10.16383/j.aas.c200890 |
| 英文摘要 | 针对实际中某种工况滚动轴承带标签振动数据获取困难,健康指标难以构建及寿命预测误差大的问题,提出一种基于无监督深度模型迁移的滚动轴承剩余使用寿命(Remaining useful life, RUL)预测方法.该方法首先对滚动轴承全寿命周期振动数据提取均方根(Root mean square, RMS)特征,并引入新的自下而上(Bottom-up, BUP)时间序列分割算法将特征序列分割为正常期、退化期和衰退期3种状态;对振动信号经快速傅里叶(Fast Fourier transform, FFT)变换后的幅值序列进行状态信息标记,并将其输入到新增卷积层的全卷积神经网络(Full convolutional neural network, FCN)中,提取深层特征,得到预训练模型;提出将预训练模型的梯度作为一种“特征”与传统预训练模型特征一起参与目标域网络训练过程,从而得到状态识别模型;利用状态概率估计法结合状态识别模型建立滚动轴承寿命预测模型.实验验证所提方法无需构建健康指标,可实现无监督条件下不同工况滚动轴承剩余寿命预测,并获得较好的效果. |
| 源URL | [http://ir.ia.ac.cn/handle/173211/55780]  |
| 专题 | 自动化研究所_学术期刊_自动化学报 |
| 推荐引用方式 GB/T 7714 | 康守强,邢颖怡,王玉静,等. 基于无监督深度模型迁移的滚动轴承寿命预测方法[J]. 自动化学报,2023,49(12):2627-2638. |
| APA | 康守强,邢颖怡,王玉静,王庆岩,谢金宝,&MIKULOVICHVladimirIvanovich.(2023).基于无监督深度模型迁移的滚动轴承寿命预测方法.自动化学报,49(12),2627-2638. |
| MLA | 康守强,et al."基于无监督深度模型迁移的滚动轴承寿命预测方法".自动化学报 49.12(2023):2627-2638. |
入库方式： OAI收割
来源：自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。