《表2 网络训练参数：基于长短期记忆网络的滚动轴承寿命预测方法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于长短期记忆网络的滚动轴承寿命预测方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

确定轴承退化起始时刻点，建立LSTM网络的训练标签。构建LSTM神经网络预测模型，用训练轴承全寿命数据退化特征参数集训练LSTM网络，并利用5号轴承提取的特征值测试。同时，分别采用BP神经网络和SVRM进行对比试验，训练集和测试集数据均为按照本研究特征提取方法提取到的退化特征参数和标签，得到测试轴承5的预测值与实际值，对比结果如图11所示。表2列出了LSTM网络和BP神经网络训练时的网络参数。SVRM核函数采用RBF核函数。