计算机应用研究

作者：全航,张强,邵思羽,牛天林,杨新宇,

单位：空军工程大学a.研究生学院;b.防空反导学院,西安710051；

关键词：深度学习,卷积神经网络,WaveNet网络,滚动轴承,寿命预测,

基金：陕西省自然科学基础研究计划资助项目；；

为保证设备正常运行并准确预测轴承剩余寿命，提出二维卷积神经网络与改进WaveNet组合的寿命预测模型。为克服未优化的递归网络在预测训练过程中易出现梯度消失问题，该模型引入了WaveNet时序网络结构。针对原始WaveNet结构不适用滚动轴承振动数据情况，将WaveNet结构改进与二维卷积神经网络结合应用于滚动轴承寿命预测。模型利用二维卷积网络提取一维振动序列的特征，随后特征输入WaveNet并进行滚动轴承的预测寿命。改进模型相比于深度循环网络计算效率更高、结果更准确，相比于原始CNN-WaveNet-O模型预测结果更准确。相比于深度长短期记忆网络模型，改进方法预测结果均方根误差降低了11.04%，评分函数降低了11.34%。

来源：2021年第10期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2021年第10期