《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》
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。
图表编号 | XD00178452800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.01 |
作者 | 王奉涛、刘晓飞、邓刚、李宏坤、于晓光 |
绘制单位 | 汕头大学工学院、大连理工大学机械工程学院、大连理工大学机械工程学院、大连理工大学机械工程学院、辽宁科技大学机械工程与自动化学院 |
更多格式 | 高清、无水印(增值服务) |