摘要
本发明提供基于复杂频域信息的旋转机械剩余使用寿命预测方法及系统,包括:采集旋转机械的原始振动信号,针对原始振动信号,采用低通滤波器进行低通滤波;对滤波后的振动信号,应用线性神经网络对多通道数据进行特征提取;对提取得到的特征根据时间窗口大小以及切片步长进行切片,得到时间维度上的训练集;根据数据特征搭建预测复值神经网络模型,将训练集输入搭建好的预测复值神经网络模型,模型收敛后得到最终的寿命预测复值神经网络模型,根据输出结果确定旋转机械的剩余使用寿命。
技术关键词
旋转机械
神经网络模型
切片
低通滤波器
剩余使用寿命预测
多通道
信号
更新模型参数
线性
数字滤波器
可读存储介质
训练集数据
特征提取模块
数据采集模块
处理器
系统为您推荐了相关专利信息
风险预测模型
风险评估方法
表情特征
循环神经网络模型
动作特征
神经网络模型
电网运行状态
异常检测方法
环境气候
智能电网
机电设备剩余寿命
剩余寿命预测模型
无人艇
设备健康状态
状态评估方法
污水处理设备
溶气气浮池
数据获取模块
模型更新
数据处理模块
切片
特征提取模块
分割方法
输出模块
计算机可执行指令