[发明专利]一种基于长短时记忆网络的滚动轴承剩余寿命预测方法在审
| 申请号： | 201811559999.8 | 申请日： | 2018-12-20 |
| 公开（公告）号： | CN109883699A | 公开（公告）日： | 2019-06-14 |
| 发明（设计）人： | 黄之文;朱坚民;高统林;周明浩;冯创意;黄扬辉;石园园;魏周祥 | 申请（专利权）人： | 上海理工大学 |
| 主分类号： | G01M13/04 | 分类号： | G01M13/04;G06N3/04;G06N3/08;G06K9/62 |
| 代理公司： | 上海邦德专利代理事务所(普通合伙) 31312 | 代理人： | 余昌昊 |
| 地址： | 200093 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出了一种基于长短时记忆网络的滚动轴承剩余寿命预测方法，包括提取滚动轴承磨损信号的特征、将提取的特征进行主成分分析以获取融合特征、归一化处理所述融合特征、将融合特征数据以设定的步长循环重叠截取以获取短序列、将所述短序列划分为训练集和预测集、构建LSTM深度学习网络、通过训练集训练所述LSTM深度学习网络；通过预测集验证所述LSTM深度学习网络及对训练结果和预测结果进行反归一化处理并输出。本发明基于深度学习领域，提出的LSTM预测模型在故障时间序列分析中具有很强的适用性和更高的准确性，解决了时间序列中的长期依赖问题。 | ||
| 搜索关键词： | 滚动轴承 剩余寿命预测 记忆网络 短序列 训练集 预测集 融合 学习 反归一化处理 时间序列分析 归一化处理 主成分分析 磨损信号 时间序列 特征数据 训练结果 预测结果 预测模型 网络 截取 构建 验证 输出 | ||
【主权项】：
1.一种基于长短时记忆网络的滚动轴承剩余寿命预测方法，其特征在于，包括以下步骤：S1：提取滚动轴承磨损信号的特征；S2：将提取的特征进行主成分分析以获取融合特征；S3：归一化处理所述融合特征；S4：将融合特征数据以设定的步长循环重叠截取以获取短序列；S5：将所述短序列划分为训练集和预测集；S6：构建LSTM深度学习网络；S7：通过训练集训练所述LSTM深度学习网络；通过预测集验证所述LSTM深度学习网络；S8：对训练结果和预测结果进行反归一化处理并输出。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海理工大学，未经上海理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811559999.8/，转载请声明来源钻瓜专利网。
