基于LSTM對軸承剩余使用壽命的預(yù)測案例分析 1 1 2 3 3 3 5c從圖中可以看出h(t-1)和x(t)指向遺忘門，因為遺忘門的作用是讀取該兩者在0-1的之間的一個數(shù)f(t),這個數(shù)的值會決定C(t-1)的保留程度，f(t)的計算公式輸入門作用是篩選h(t-1)和x(t)的數(shù)據(jù)然后決定將哪些新的信息傳輸給細(xì)胞狀態(tài)，數(shù)據(jù)處理具體分為以下兩部分，第一部分確定更新哪些值，通過用sigmod激活函數(shù)，第二部分是將a(t)增加到細(xì)胞狀態(tài)中通過用tanh函數(shù)，計算公式為：工1.2軸承剩余使用壽命預(yù)測的流程(3)設(shè)定LSTM所需的一系列參數(shù)，將1中得到的頻域幅值作為輸入，接移動平均法濾波獲得趨勢性量化健康指標(biāo)模型建立趨勢性量化健康指標(biāo)全連接神經(jīng)網(wǎng)絡(luò)長短時記憶神經(jīng)網(wǎng)絡(luò)FT頻域幅值信號訓(xùn)練集振動信號訓(xùn)練階段所得模型測試振動信號FFT頻域幅值信號31.3實(shí)驗與分析1.3.1模型訓(xùn)練將訓(xùn)練集數(shù)據(jù)作為LSTM的輸入數(shù)據(jù)，對訓(xùn)練集進(jìn)行訓(xùn)練，訓(xùn)練進(jìn)度曲線如圖4-3所示。3分10秒從上圖可以看出，均方根誤差和損失會隨著訓(xùn)練次數(shù)的增加而降低并且會迅速收斂，在訓(xùn)練不到200次的時候二者趨于穩(wěn)定，并且損失幾乎為0。1.3.2實(shí)驗結(jié)果通過利用LSTM網(wǎng)絡(luò)對6個訓(xùn)練集進(jìn)行訓(xùn)練，得到LSTM-HI模型，得到的退化曲線如下圖3.4所示。4口軸承3-1軸承3-2利用訓(xùn)練好的LSTM-HI模型，對測試集上的數(shù)據(jù)進(jìn)行壽命的預(yù)測，以軸承1_3為列，通過模型構(gòu)建的軸承退化曲線如1.5所示。由該曲線圖可以看出，隨著軸承的持續(xù)退化，它的退化值大體是呈上升趨勢，說明曲線可以大體上表示出軸承的退化過程。日1.2軸承1-3實(shí)際退化值由于曲線中有很多不同程度的波動，會影響到后續(xù)對軸承剩余使用壽命的預(yù)測。所以，本文對曲線進(jìn)行平滑通過使用簡單滑動平均法，并且為設(shè)置大小為20的滑動窗□,下圖1.6為軸承的退化曲線，其中綠線為平滑后的曲線。5ur日軸承1-3由圖1.6可以看出，經(jīng)過平滑后的軸承退化曲線，隨著時間的增加，它的退化值也1.4利用雙指數(shù)函數(shù)擬合的結(jié)果本文以軸承1_3為例，用雙指數(shù)函數(shù)模型對LSTM方法建立的退化曲線進(jìn)行擬合。在通過LSTM構(gòu)建的模型后，利用雙曲線模型對其進(jìn)行擬合，如1.1所示。插入()工具下圖為將濾波后的曲線與雙指數(shù)函數(shù)鏈接在一起，找到大于1的最小值，則失效閾值如圖1.2所示。6□一真實(shí)退化值