-
公开(公告)号：CN113449473B
公开(公告)日：2023-09-15
申请号：CN202110731006.6
申请日：2021-06-29
申请人： 南京工业大学 , 南京工大数控科技有限公司
IPC分类号： G06F30/27 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06F18/213 , G06Q10/20 , G06Q50/06 , G06F113/06 , G06F119/02 , G06F119/04
摘要： 本发明公开了一种基于DFCAE‑BiLSTM的风电轴承退化趋势预测方法、系统及装置，属于风电轴承退化趋势预测技术领域。本发明考虑了多维传感器信号输入情况，利用多维传感器信号采集模块采集风电轴承运行振动信号，利用DFCAE深度特征提取模块提取其深度特征，Hi指标构建与状态监测模块生成健康指标Hi，最后利用BiLSTM网络退化趋势预测模块预测一段时间后的健康指标值，预测其退化趋势。本发明生成的Hi能够综合全面反应风电轴承的退化情况，退化趋势预测结果稳定性较好，工程应用价值较高。
-
公开(公告)号：CN113449473A
公开(公告)日：2021-09-28
申请号：CN202110731006.6
申请日：2021-06-29
申请人： 南京工业大学 , 南京工大数控科技有限公司
IPC分类号： G06F30/27 , G06N3/04 , G06Q10/00 , G06Q10/04 , G06Q10/06 , G06Q50/06 , G06F113/06 , G06F119/02 , G06F119/04
摘要： 本发明公开了一种基于DFCAE‑BiLSTM的风电轴承退化趋势预测方法、系统及装置，属于风电轴承退化趋势预测技术领域。本发明考虑了多维传感器信号输入情况，利用多维传感器信号采集模块采集风电轴承运行振动信号，利用DFCAE深度特征提取模块提取其深度特征，Hi指标构建与状态监测模块生成健康指标Hi，最后利用BiLSTM网络退化趋势预测模块预测一段时间后的健康指标值，预测其退化趋势。本发明生成的Hi能够综合全面反应风电轴承的退化情况，退化趋势预测结果稳定性较好，工程应用价值较高。
-
公开(公告)号：CN116304587B
公开(公告)日：2024-10-25
申请号：CN202211090266.0
申请日：2022-09-07
申请人： 南京工业大学
IPC分类号： G06F18/15 , G06F18/2135 , G06N3/088 , G06F17/14 , G06N3/0442 , G06N3/0455 , G06N3/0464
摘要： 本发明提供了一种基于CAE构建健康指标和AGRU的滚动轴承退化趋势预测方法，其特征在于，包括如下步骤：S1、将滚动轴承每个样本的时域信号通过快速傅里叶变换转换为频域信号；S2、根据频域信号尺寸和计划提取的特征集的尺寸设置卷积自编码器(CAE)结构，卷积自编码器从滚动轴承频域信号中自适应提取编码特征集，根据时间趋势性和单调性从中选取优质特征构建健康指标；S3、健康指标划分测试集与训练集，将训练集输入融合注意力机制的门控循环单元(AGRU)，剪枝算法对AGRU模型超参数进行优化，完成AGRU模型的训练，将测试集输入训练好的模型，完成滚动轴承退化趋势的预测；本发明健康指标的构建方法不需要太多先验知识，抗干扰能力强，AGRU预测模型精度较高。
-
公开(公告)号：CN116304587A
公开(公告)日：2023-06-23
申请号：CN202211090266.0
申请日：2022-09-07
申请人： 南京工业大学
IPC分类号： G06F18/15 , G06F18/2135 , G06N3/088 , G06F17/14 , G06N3/0442 , G06N3/0455 , G06N3/0464
摘要： 本发明提供了一种基于CAE构建健康指标和AGRU的滚动轴承退化趋势预测方法，其特征在于，包括如下步骤：S1、将滚动轴承每个样本的时域信号通过快速傅里叶变换转换为频域信号；S2、根据频域信号尺寸和计划提取的特征集的尺寸设置卷积自编码器(CAE)结构，卷积自编码器从滚动轴承频域信号中自适应提取编码特征集，根据时间趋势性和单调性从中选取优质特征构建健康指标；S3、健康指标划分测试集与训练集，将训练集输入融合注意力机制的门控循环单元(AGRU)，剪枝算法对AGRU模型超参数进行优化，完成AGRU模型的训练，将测试集输入训练好的模型，完成滚动轴承退化趋势的预测；本发明健康指标的构建方法不需要太多先验知识，抗干扰能力强，AGRU预测模型精度较高。
-
-
-
搜索结果
4 条记录 (耗时 0.047 秒)
