滚动轴承作为航天器的基本零件,诊断其损坏类型具有重要意义。其中的深沟球轴承在航天器中应用广泛。采用西储大学轴承数据进行训练来模拟航天器轴承故障,分析航天器此类轴承故障。使用的机器学习方法有长短期记忆网络(LSTM)和卷积神经网络(CNN)。实验表明,用驱动端和风扇端内圈数据分别训练,单层卷积神经网络用时最少,平均为16.1 s和25 s。长短期记忆网络时间较长,精度平均可达0.94。多层卷积神经网络训练用时较少为7′01″,平均可达0.99,综合性能好。
科研之友
微信
新浪微博
Facebook
分享链接
