基于深度学习的滚动轴承剩余使用寿命预测方法研究

参考文献

[1] LEI Y， LI N， GONTARZ S， et al. A model-based method for remaining useful life prediction of machinery [J]. IEEE Transactions on Reliability， 2016， 65（3）： 1314-1326.

[2] 景博，崔展博，孙宏达，等．失效物理与数据驱动融合的燃油泵在线寿命预测 [J]．仪器仪表学报，2022， 43 （3）： 68-76．

[3] HUANG H， WANG H， LI Y， et al. Support vector machine based estimation of remaining useful life： current research status and future trends[J]. Journal of Mechanical Science and Technology， 2015， 29（1）： 151-163.

[4] SCHMIDHUBER J. Deep learning in neural networks： an overview[J]. Neural Networks， 2015， 61： 85-117.

[5] REN Lei， SUN Ya-qiang， WANG Hao， et al. Prediction of bearing remaining useful life with deep convolution neural network[J]. IEEE Access， 2018， 6（2）： 13041-13049.

[6] GUO L， LIN P， JIA F， et al. A recurrent neural network based health indicator for remaining useful life prediction of bearings[J]. Neurocomputing， 2017， 240： 98-109.

[7] 王奉涛，刘晓飞，邓刚，等。基于长短期记忆网络的滚动轴承寿命预测方法[J]. 振动、测试与诊断，2020， 40 （2）： 95-101， 211.