基于E2E Deep VAE-LSTM的轴承退化预测应用研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘 要：针对额外提取数据特征的方法需要花费大量时间和人力成本、轴承退化的线性预测精度低等问题，以及时序数据具有时间依赖关系的特点，提出了端到端的结合长短时记忆网络的深度变分自编码器模型（E2E Deep VAE-LSTM）用于轴承退化预测。通过改进VAE的结构，并结合LSTM，该模型可以在含有异常值的数据集上直接进行训练和预测；使用系统重建误差表征轴承退化趋势，实现了轴承退化的非线性预测。（剩余17975字）

试读结束

目录
monitor
客服机器人