本发明提供一种基于卷积长短时记忆循环神经网络的滚动轴承剩余寿命预测方法,包括:获取滚动轴承的振动加速度信号,作为数据样本;建立卷积自编码器,将数据样本作为输入,训练得到多层卷积自编码器;根据数据样本和多层卷积自编码器,获取数据样本的特征数据;利用模糊C均值算法,根据数据样本的特征数据,确定滚动轴承的健康评估指标;建立卷积长短时记忆循环神经网络模型,将衰退期轴承数据样本和对应的健康评估指标作为卷积长短时记忆循环神经网络的输入,训练得到预测模型;本发明降低了对人工经验和专业知识的依赖,有效地减少输入长短时记忆循环神经网络的数据量,简化运算,预测模型全面、有效地反应轴承的衰退状态。
1.基于卷积长短时记忆循环神经网络的滚动轴承剩余寿命预测方法,其特征在于:包括:/n获取滚动轴承的振动加速度信号,作为数据样本;/n建立卷积自编码器,将数据样本作为输入,训练得到多层卷积自编码器;/n根据数据样本和多层卷积自编码器,获取数据样本的特征数据;/n利用模糊C均值算法,根据数据样本的特征数据,确定滚动轴承的健康评估指标;/n建立卷积长短时记忆循环神经网络模型,将衰退期轴承数据样本和对应的健康评估指标作为卷积长短时记忆循环神经网络的输入,训练得到预测模型。/n
本文链接:http://www.vipzhuanli.com/tech/sell/s_2311352.html,转载请声明来源钻瓜专利网。