摘要
本发明涉及一种时变转速工况下基于基准转换神经网络的旋转机械健康指标构建方法,属于旋转机械健康状态评估技术领域。该方法包括:S1:数据采集;S2:对采集到的全寿命周期振动信号进行预处理;S3:确定基线转速带;S4:建立基线转速带下的性能退化模型:S5:求得基线转速带下的退化模型参数后,根据所建立的双指数退化模型对非基准观测值进行插补以获得全寿命周期近似的基准状态观测序列,即基准健康指标;S6:构建并训练优化基准转换神经网络;S8:构建健康指标:对在役机械设备,输入测试数据,利用优化的基准转换神经网络得到旋转机械健康指标。本发明能提高旋转机械剩余使用寿命预测的准确性。
技术关键词
基线
基准
性能退化模型
指标
旋转机械健康状态
周期
剩余使用寿命预测
采集机械设备
优化网络参数
状态监测系统
随机梯度下降
变量
统计特征
传播算法
系统为您推荐了相关专利信息
水资源承载力
决策方法
层次分析法
地理探测器模型
预警系统
智能绘画
全息图像数据
全息光场
生成全息图
调控算法
模型隧道
模型试验装置
变形测试装置
浮力测试方法
位移传感器
风险预测方法
风险评估模型
神经网络架构
周期
大语言模型