基于RBM-CNN模型的滚动轴承剩余寿命预测方法

作者：张永超^*; 杨海昆; 刘嵩寿; 赵帅; 陈庆光

来源：轴承, 2023, 1-7.

• 滚动轴承
• 剩余使用寿命
• 受限玻尔兹曼机
• 卷积神经网络
• 寿命预测

针对滚动轴承剩余使用寿命预测中，特征提取困难及预测准确性较差的问题，本研究将受限玻尔兹曼机（Restricted Boltzmann Machine， RBM）改进后引入滚动轴承寿命预测模型当中，提出了一种基于受限玻尔兹曼机与卷积神经网络（Convolutional Neural Networks， CNN）的轴承寿命预测RBM-CNN模型。首先，采用快速傅里叶变换（Fast Fourier Transform， FFT）构建了原始振动信号的幅值谱；其次，通过受限玻尔兹曼机挖掘滚动轴承幅值谱中的深度全局特征；最后，利用深度卷积神经网络对轴承剩余寿命进行预测。通过实验表明，RBM-CNN模型的预测准确度达到90.05%，相较于CNN模型，其准确度提升11.35%，该模型的均方误差、均方根误差及平均绝对误差分别降低了43%、24%和17%。

• 单位
  电子工程学院; 山东科技大学