基于 SEGCN-GRU 的轴承剩余寿命预测

本工具是一款专业的 基于SEGCN-GRU的滚动轴承剩余寿命预测 分析工具, 支持 CWRU XJTU-SY PRONOSTIA 等主流数据集的寿命预测。 利用 SEGCN-GRU 深度学习模型 提取时空特征,自动计算轴承的 剩余使用寿命 (RUL), 助力设备实现精准的 预测性维护 (PHM)

参数配置
1 积分
CWRU 数据集
XJTU-SY 数据集
PRONOSTIA 数据集
IMS 数据集
自定义上传
仿真数据
预测结果
基于SEGCN-GRU的滚动轴承剩余寿命预测
请在侧输入以开始
用户评分
4.4 / 5.0
15 人已评价

模型原理说明

SEGCN 空间特征提取

利用空间欧几里得图卷积网络(SEGCN)捕捉多传感器振动信号之间的空间拓扑结构和隐含关联。

GRU 时序退化建模

通过门控循环单元(GRU)挖掘轴承性能退化过程中的时间序列依赖关系,精准预测剩余寿命。

常见问题

支持哪些数据格式?

支持标准 CSV 格式的时序数据,或直接输入逗号分隔的数值特征向量。

预测准确率如何?

本模型在 CWRU 和 XJTU-SY 公开数据集上验证误差小于 10%,适合辅助工程决策。

主题已切换 已为您开启护眼模式