- 1、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。。
- 2、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 3、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
摘要
作为各类机械设备的关键支承元件,滚动轴承的运行状态直接决定整体设备的状态。
对滚动轴承开展有效的故障预测是实现设备预测性维修的关键。近年来,随着传感技术
的快速发展,状态监测数据序贯采集、实时传输,在线剩余寿命(remainingusefullife,
RUL)预测开始成为故障预测的关键问题。受限于在线场景,利用机器学习算法实现在
线RUL预测存在如下挑战:1)新上线的待测轴承退化过程未知,没有任何标签信息,
主要依靠序贯采集的在线数据块进行自驱式预测;2)待测轴承缺少历史数据
文档评论(0)