期刊专题

10.3969/j.issn.1001-3881.2023.02.002

基于CNN-GRU模型的齿轮寿命预测

引用
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.

齿轮、卷积神经网络、门控循环单元、剩余使用寿命、超参数

51

TH17;TP207

国家自然科学基金51965052

2023-04-25(万方平台首次上网日期,不代表论文的发表时间)

共6页

11-16

暂无封面信息
查看本期封面目录

机床与液压

1001-3881

44-1259/TH

51

2023,51(2)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn