公开(公告)号：CN112434390A

公开(公告)日：2021-03-02

申请号：CN202011384138.8

申请日：2020-12-01

Applicant: 江苏科技大学

Inventor： 黄扣 ,  袁伟 ,  齐亮 ,  苏贞 ,  杨奕飞 ,  陈红卫

IPC: G06F30/17 ,  G06F30/27 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06F119/02

Abstract: 本发明公开了一种基于多层网格搜索的PCA‑LSTM轴承剩余寿命预测方法，首先提取轴承故障时间序列数据的多个时频域特征，采用PCA融合多个特征指标量并去除特征指标的冗余数据，得到所需的影响故障主成分数据即一组新的综合指标时序数据，将此时序数据预处理后转换为设备退化程度值数据，输入构建好的LSTM模型进行故障序列预测训练，其中采用多层网格搜索算法以预测损失最小为目标实现LSTM模型参数的最优选取，从而得到最优时序数据预测模型，最后通过多项式曲线拟合计算得到轴承的剩余使用寿命。本发明解决了轴承寿命预测预测精度低、预测速度慢的问题，提高了轴承剩余寿命预测的稳定度和精确度。

公开(公告)号：CN112434390B

公开(公告)日：2024-03-29

申请号：CN202011384138.8

申请日：2020-12-01

Applicant: 江苏科技大学

Inventor： 黄扣 ,  袁伟 ,  齐亮 ,  苏贞 ,  杨奕飞 ,  陈红卫

IPC: G06F30/17 ,  G06F30/27 ,  G06F18/2135 ,  G06N3/0442 ,  G06N3/08 ,  G06F119/02

Abstract: 本发明公开了一种基于多层网格搜索的PCA‑LSTM轴承剩余寿命预测方法，首先提取轴承故障时间序列数据的多个时频域特征，采用PCA融合多个特征指标量并去除特征指标的冗余数据，得到所需的影响故障主成分数据即一组新的综合指标时序数据，将此时序数据预处理后转换为设备退化程度值数据，输入构建好的LSTM模型进行故障序列预测训练，其中采用多层网格搜索算法以预测损失最小为目标实现LSTM模型参数的最优选取，从而得到最优时序数据预测模型，最后通过多项式曲线拟合计算得到轴承的剩余使用寿命。本发明解决了轴承寿命预测预测精度低、预测速度慢的问题，提高了轴承剩余寿命预测的稳定度和精确度。