基于联想神经网络的轴承剩余使用寿命预测

• 作者: 李少波 郑凯
• 来源期刊: 机械设计与制造
• 学科: 工学
• 关键词: 联想神经网络 RUL LASSO 随机森林回归 支持向量回归 深度学习
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 数字化设计与制造
• 页码范围: 203-206
• 页数: 4页
• 分类号: TH16|TH165.3
• 语种: 中文

摘要

为了提高现代制造业的可靠性和效率,根据轴承剩余使用寿命预测(RUL),提出了一种基于联想神经网络的轴承剩余寿命预测模型.该模型在17个轴承数据集上随机选出4个轴承的数据作为模型的验证集,剩下的13个轴承数据来训练集,并采用5折交叉验证将这13个轴承数据划分为训练集和测试集.在训练神经网络时,采用了学习率衰减机制,并对比学习率衰减机制与固定学习率的差异.试验结果表明,该模型相比LASSO、随机森林回归(RFR)、支持向量回归(SVR)、深度学习等方法在RMSE和MAE两个方面具有明显的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李少波		163	758	13.0	21.0
2	郑凯		7	23	3.0	4.0