摘  要：鉴于当前在滚动轴承的剩余使用寿命预测领域中，轴承振动数据难以提取有效特征、数据维度小而难以满足需求、预测模型趋于复杂化而造成计算成本高的问题，本文提出了一种基于经验模态分解(empirical mode decomposi-tion，EMD)的特征提取方法以及基于改进时间卷积网络(temporal convolutional network，TCN)的剩余寿命预测方法，并在 PHM 2012 轴承数据集上进行了验证。实验结果显示：改进的时间卷积网络在均方误差(mean square error，MSE)指标上比其他时间卷积网络降低 46.43%，在评分函数(Score)指标上比其他时间卷积网络提升 4.06%。此外，本文改进的时间卷积网络在 MSE 上比其他 4 种模型方法降低 84.74%；在 Score 指标上比其他 4 种模型方法提升了 163%，充分验证了本文改进 TCN 模型的有效性。

论文下载：

08.pdf

  浏览次数：