机床与液压

作者：曹胜博，徐彦伟，颉潭成，王浏洋

单位：河南科技大学机电工程学院；河南科技大学机电工程学院；智能数控装备河南省工程实验室；河南科技大学机电工程学院；智能数控装备河南省工程实验室；河南科技大学机电工程学院

关键词：退化特征;信息融合;剩余寿命预测;门控单元神经网络

基金：国家自然科学基金青年科学基金项目（51805151）;河南省高等学校重点科研项目(14B460007);河南省机械装备先进制造协同创新中心资助项目

为解决单一传感器信号易受干扰且能提取的退化信息有限，导致轴承剩余寿命预测精度低的问题，提出一种基于双通道信息融合与门控单元（GRU）神经网络的轴承剩余寿命预测方法。进行轴承寿命试验时，在振动传感器采集信号的基础上增加声发射传感器，弥补单一信号易受干扰的缺点；使用卷积神经网络自动挖掘出包含轴承退化信息的特征，避免传统算法过分依赖专家判断的弊端；通过归一化处理对信息进行融合；最后使用这些数据训练GRU神经网络，利用训练好的门控单元神经网络预测高铁牵引电机轴承的剩余寿命。结果表明：相比单通道数据,双通道数据训练出的门控神经网络模型的预测结果更为准确；门控单元神经网络相比长短时记忆神经网络有更高的轴承寿命预测精确度。

来源：2023年第24期

《机床与液压》期刊编辑部

查看机床与液压杂志2023年第24期