针对滚动轴承随时间变化的剩余使用寿命难以预测的问题，提出将卷积神经网络和门控循环单元两者相结合的预测方法。首先将输入的振动数据进行预处理，其次将CNN层提取出的数据作为GRU层的输入，从而捕获到振动数据和CNN忽略的时序特征。实验结果表明：提出的CNN-GRU模型能够有效获取一维序列中的空间信息，并能捕获更深层次的轴承退化特征信息，提高了滚动轴承剩余使用寿命的预测精度。
科研之友
微信
新浪微博
Facebook
分享链接
