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
气体传感器阵列
数据分析方法
神经网络模型
编码器模块
门控循环神经网络
故障预警方法
异常数据
柔性光伏支架
超声波
波形
光流估计方法
图像特征提取
频域特征
深度神经网络模型
三角形面片
生鲜农产品
需求预测方法
仓库
计算机程序代码
构建训练集
数据风险评估方法
神经网络模型
数据采集模块
元素
报表