科研之友
微信
新浪微博
Facebook
分享链接
摘要
本发明公开了一种基于最优时频谱与CNN-ALSTM网络的滚动轴承寿命预测方法,包括：步骤1,获取轴承全寿命周期的振动数据集X＝{x-1,x-2,…,x-n},以时频能量评价指标作为适应度函数,通过蛇群优化算法对广义S变换的调节因子p进行寻优,得到振动数据集中每组振动数据的最优时频谱；步骤2,根据步骤1依次得到每组振动数据对应的最优时频谱,生成轴承全寿命周期的最优时频谱数据集S＝{S-1,S-2,…,S-n}；步骤3,在CNN网络结构的卷积层后增加一层稠密卷积层,将自注意力机制加入到LSTM网络的第一层,建立CNN-ALSTM网络；将最优时频谱数据集S送入CNN-ALSTM网络中进行训练,得到轴承的剩余使用寿命预测模型。本发明可提高旋转机械轴承部件的预测精度,达到旋转机械设备剩余使用寿命的精准预测目的。
- 单位
