基于混合神经网络的机械设备健康度预测

• 作者: 党三磊 孔政敏 彭龙 李刚
• 来源期刊: 华中科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 健康度预测 振动信号分析 混合神经网络 偏最小二乘回归 深层神经网络
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 电子与信息工程
• 页码范围: 6-11,24
• 页数: 7页
• 分类号: TP183
• 语种: 中文
• DOI: 10.13245/j.hust.191102

摘要

为了建立安全高效的机械健康监测系统,提出一种数据驱动的机械设备健康度预测方法.首先,结合幅值域与频域分析方法提取振动信号特征;然后,构建以偏最小二乘回归法和深层神经网络为两层架构的混合神经网络模型;最后,采用该模型提取设备特征,并预测机械设备健康度.将所提出模型与传统单层架构模型进行实际工业数据验证,结果表明所提出的基于振动信号分析的混合神经网络健康度预测模型具有更好的预测趋势及更高预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	党三磊	广东电网有限责任公司计量中心	37	254	10.0	14.0
2	孔政敏	武汉大学电气与自动化学院	23	97	6.0	9.0
3	李刚	广东电网有限责任公司计量中心	4	2	1.0	1.0
4	彭龙	广东电网有限责任公司计量中心	5	0	0.0	0.0