基于CNN-GRU模型的齿轮寿命预测

摘要：

齿轮是机械运动中非常重要的零部件,一旦发生损坏将对机械整体造成不可估量的损失,甚至波及人身安全,因此提前预知齿轮的剩余寿命非常重要.随着深度学习的快速发展,可以采用深度学习对齿轮进行剩余使用寿命的预测.卷积神经网络(CNN)具有权值共享和局部感知的优点,但是在处理时间序列上,CNN还有一定的缺陷;门控循环单元(GRU)可以处理时间序列在长距离上依赖不足的问题且结构简单.为了既可以具有权值共享的特点又可以解决时间序列的问题,提出CNN-GRU模型来对齿轮进行寿命预测.实验结果表明:使用该方法后准确率和训练速度都得到了提升,具有一定的应用价值.

关键词：齿轮、卷积神经网络、门控循环单元、剩余使用寿命、超参数

所属期刊栏目：51

分类号：TH17;TP207

资助基金：国家自然科学基金51965052

在线出版日期：2023-04-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：11-16