面向滚动轴承在线故障预测的深度时频迁移学习算法研究.pdf

面向滚动轴承在线故障预测的深度时频迁移学习算法研究.pdf

摘要

作为现代工业装备中各类旋转机械的核心支承元件,滚动轴承的运行状态直接关系

主机设备的整体性能。在高负载、强冲击等复杂工况下,轴承极易出现各类故障。针对

这一问题,开展有效的剩余使用寿命(RemainingUsefulLife,RUL)预测对于提高设备

可靠性、降低运维成本具有重要的价值。近年来,智能轴承的规模化应用使在线监测成

为可能,但在缺乏完整历史数据的情况下,如何基于在线监测数据实现准确RUL预测

1

仍然面临诸多挑战:)在实际应用中

您可能关注的文档

文档评论(0)

1亿VIP精品文档

相关文档