机床与液压

作者：张超，庞永志，王巍智，吕达

单位：内蒙古科技大学机械工程学院;内蒙古自治区机电系统智能诊断与控制重点实验室；内蒙古科技大学机械工程学院;内蒙古自治区机电系统智能诊断与控制重点实验室；内蒙古科技大学机械工程学院；内蒙古科技大学机械工程学院

关键词：齿轮;卷积神经网络;门控循环单元;剩余使用寿命;超参数

基金：国家自然科学基金地区科学基金项目（51965052）

齿轮是机械运动中非常重要的零部件，一旦发生损坏将对机械整体造成不可估量的损失，甚至波及人身安全，因此提前预知齿轮的剩余寿命非常重要。随着深度学习的快速发展，可以采用深度学习对齿轮进行剩余使用寿命的预测。卷积神经网络（CNN）具有权值共享和局部感知的优点，但是在处理时间序列上，CNN还有一定的缺陷；门控循环单元（GRU）可以处理时间序列在长距离上依赖不足的问题且结构简单。为了既可以具有权值共享的特点又可以解决时间序列的问题，提出CNN-GRU模型来对齿轮进行寿命预测。实验结果表明：使用该方法后准确率和训练速度都得到了提升，具有一定的应用价值。

来源：2023年第2期

《机床与液压》期刊编辑部

查看机床与液压杂志2023年第2期