声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-2187/TH
国际刊号：0577-6686
发布日期:
作者：余晓霞, 邓蕾, 汤宝平, 夏乙, 李琪康
单位：1. 重庆大学机械传动国家重点实验室 重庆 400044;2. 重庆航天职业技术学院 重庆 400021
关键词：齿轮,退化趋势预测,元学习,门控神经网络,小样本；
基金：国家重点研发计划（2020YFB1709800）、重庆市自然科学重点基金（cstc2019jcyj-zdxmX0026）和国家自然科学基金（51775065）资助项目。
针对齿轮小样本条件下深度神经网络训练容易过拟合导致齿轮退化趋势预测不精准的难题，提出了元学习门控神经网络网络齿轮退化趋势预测模型（Meta-learning gated recurrent neural networks，MLGRU）。将齿轮原始振动信号经过征提取、特征筛选以及特征融合后的指标作为门控神经网络的输入；在元学习网络框架下搭建门控神经网络，在防止齿轮预测模型过拟合的同时通过多任务的训练方式优化元学习门控神经网络，使其在小样本条件下快速收敛；通过门控神经单元深度学习齿轮演化规律并进行退化趋势预测。试验结果表明所提元学习门控神经网络能够充分学习齿轮演化机理，实现齿轮退化趋势预测。
来源：2022年第3期
《机械工程学报》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。