Prediction of the Remaining useful Life of the Rolling Element Bearings using Recurrent Neural Network
Message:
Article Type:
Research/Original Article (دارای رتبه معتبر)
Abstract:

In this paper, the temperature feature was employed to track down the degradation trend of rolling element bearings. The remaining useful life(RUL) of the rolling element bearing was predicted byassuming root mean square growth (RMS) of the acceleration signal to exponential function form and extraction of two other features. Then, the performance of these features was investigated in the prediction using a recurrent neural network(RNN). The experimental data of the accelerated life test on the rolling element bearing have been extracted from the prognostic. Contrary to the previous works, this paper considers the temperature feature instead of the time feature and also assuming the RMS of the acceleration signal to the exponential function form and using a RNN which causes a newmodel more applicable than previous models.

Language:
English
Published:
Iranian Journal of Mechanical Engineering Transactions of ISME, Volume:21 Issue: 2, Sep 2020
Pages:
5 to 13
magiran.com/p2181928  
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 990,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
دسترسی سراسری کاربران دانشگاه پیام نور!
اعضای هیئت علمی و دانشجویان دانشگاه پیام نور در سراسر کشور، در صورت ثبت نام با ایمیل دانشگاهی، تا پایان فروردین ماه 1403 به مقالات سایت دسترسی خواهند داشت!
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 50 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!