Noise and Vibration Control ›› 2024, Vol. 44 ›› Issue (3): 95-100.

Previous Articles     Next Articles

Residual Useful Life Prediction of Rolling Bearings Based on MRSDAE-KPCA Combined with Bi-LSTM

  

  • Received:2022-12-02 Revised:2023-03-06 Online:2024-06-18 Published:2024-06-18

基于MRSDAE-KPCA结合Bi-LST的滚动轴承剩余使用寿命预测

古莹奎陈家芳石昌武   

  1. ( 江西理工大学机电工程学院,江西赣州341000 )

摘要: 针对现有滚动轴承剩余使用寿命预测方法在提取数据特征时没有充分考虑数据的内部分布,且在构建健康因子时还需要专家经验进行人工提取等问题,提出一种基于流形正则化堆栈去噪自编码器、核主成分分析并结合双向长短时记忆网络的滚动轴承剩余使用寿命预测方法。首先采用无监督的堆栈去噪自编码器网络对原始振动数据进行深层特征提取,并使用核主成分分析法进一步降维,以提高健康因子的指标稳定性;然后在堆栈去噪自编码器中加入流形正则化,最大程度保留编码器隐藏层内部的数据分布结构,提高模型提取数据特征的有效性。最后使用双向长短时记忆网络预测轴承的剩余使用寿命,并采用AdaMax优化算法对网络模型的超参数进行自适应寻优。分析结果表明,提出的滚动轴承剩余使用寿命预测方法具有更高的精度。

关键词: 故障诊断;滚动轴承, 剩余使用寿命预测;健康因子;流形正则化堆栈去噪自编码器;双向长短时记忆网络