科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对滚动轴承故障预测过程中用于构建轴承健康因子（Health Indicator, HI）的方法过于依赖专家经验的问题，本研究提出基于深度残差收缩网络（Deep Residual Shrinkage Networks,DRSNs）的滚动轴承HI无监督构建方法。深度学习技术可以自动从原始振动数据中学习特征，以取代传统的统计特征，从而获得更高的诊断准确性。实验结果表明，基于DRSNs的滚动轴承HI构建方法可以更好地反映整个轴承生命周期的变化过程。
-
单位北京印刷学院
