科研之友
微信
新浪微博
Facebook
分享链接
摘要
提出一种基于图形特征的风力机轴承剩余使用寿命（RUL）预测方法。首先，基于连续小波变换（CWT）对时域振动数据样本集进行预处理，得到用于预测的时频图形数据集。然后，采用双输入卷积神经网络（DICNN）从图形数据集中提取特征映射，用于构造高性能健康指数（DICNN-HI）来表征轴承各退化阶段的状态。最后，结合DICNN-HI，采用基于高斯过程回归（GPR）的分析方法进行RUL预测，并用PRONOSTIA滚动轴承数据集进行验证。结果表明，该方法具有较高的健康指数预测精度，能有效反映滚动轴承的劣化状态，有助于实现风力机轴承的RUL预测。同时，也可为其他旋转机械设备的剩余寿命预测提供重要的理论参考，具有一定的实用价值。
- 单位
