一種基于循環(huán)神經(jīng)網(wǎng)絡(luò)融合的機械零部件健康指標構(gòu)造方法,首先獲取機械零部件振動信號,計算得到振動信號時域特征序列和頻域特征序列;根據(jù)時域特征序列和頻域特征序列計算相似性特征;對振動信號進行三層小波包變換,得到頻帶能量比特征;利用特征的綜合評價指標篩選出機械零部件退化過程的敏感特征集,用以訓練循環(huán)神經(jīng)網(wǎng)絡(luò);通過敏感特征集和訓練好的循環(huán)神經(jīng)網(wǎng)絡(luò)可以得到新的機械零部件健康指標RNN?HI,本發(fā)明利用相似性特征和循環(huán)神經(jīng)網(wǎng)絡(luò)充分挖掘了機械零部件振動信號中的退化信息,不僅便于失效閾值的確定而且提高了壽命預測的精度。
聲明:
“基于循環(huán)神經(jīng)網(wǎng)絡(luò)融合的機械零部件健康指標構(gòu)造方法” 該技術(shù)專利(論文)所有權(quán)利歸屬于技術(shù)(論文)所有人。僅供學習研究,如用于商業(yè)用途,請聯(lián)系該技術(shù)所有人。
我是此專利(論文)的發(fā)明人(作者)