文章详情
| 稿件标题： | 基于1 DCNN的滚动轴承退化预测研究 |
| 稿件作者： | 陈祥龙1,吴春志2 |
| DOI： | 10.11809/bqzbgcxb2021.11.035 |
| 科学编辑： | 韩小孩 博士（装甲兵工程学院） |
| 栏目名称： | 机械制造与检测技术 |
| 关键词： | 滚动轴承；退化预测；卷积神经网络；模态分解 |
| 文章摘要： | 传统的滚动轴承退化特征提取方法高度依赖于预先研究和专业知识，对于学习退化特征与大量测量数据之间的复杂关系的能力有限，很难构建一个单一的指标预测轴承的退化状态。针对这一问题，提出了基于一维卷积神经网络(1 DCNN)的轴承退化预测模型，以原始振动信号作为输入，构建健康指标。以PHM 2012轴承全寿命数据对原始振动信号、频谱信号、3种模态分解预处理后的信号等5种处理方法进行测试。实验结果表明，相对于其他几种处理方法，以原始振动信号直接作为所提模型的输入，提取出的健康指标能更好地反映轴承的退化状态。 |
| 引用本文格式： | 陈祥龙,吴春志.基于1 DCNN的滚动轴承退化预测研究［J］.兵器装备工程学报，2021，42(11)：222-227. CHEN Xianglong，WU Chunzhi.Prediction for Rolling Bearing Performance Degradation Based on 1 DCNN［J］.Journal of Ordnance Equipment Engineering，2021，42(11)：222-227. |
| 刊期名称： | 2021年11期 |
| 出版时间： | 2021年11月 |
| 上线时间： | 2021年11月28日 |
| 浏览次数： | 2473 |
| 下载次数： | 635 |
| 免费阅读PDF 在线阅读 下载本期目录 下载本期封面 | |