轴承是发电机的一个故障高发的部位,对于发电机具有十分重要的作用,每年各个发电企业都会花费大量的精力来定期维护和更换轴承。对于轴承的故障检测,最常用也是最有可行性的就是根据轴承的温度来判断轴承的性能是否良好以及是否需要更换,因此预测未来温度的变化对于检测轴承故障和预防电机出现意外都非常重要。本文作者参与的就是一个水利发电厂的三环轴承工作参数预测项目,主要目的就是开发出一个能够预测轴承温度从而能采取有效措施使轴承能够健康长久有效地运行的系统。为了开发出这样的一个系统,本文主要分为五个部分来阐述了系统的各种技术理论的选取和开发设计的过程。首先,介绍了系统开发的目的和意义、时间序列预测的国内外研究现状以及时间卷积网络目前的研究现状和取得的阶段性成果,这些可以帮助读者了解文章涉及的主要领域和应用的理论知识。其次,介绍了轴承故障的相关理论,包括轴承结构,轴承故障及常见处理措施,时间序列预测的算法,包括RNN,LSTM和TCN,这些理论知识是本文所涉及到的。再次,介绍了时序预测模块的设计,包括数据预处理,模型的性能度量,模型的数据处理流程和深度学习的优化。然后,介绍了实验的结果和分析,先是实验开发环境和数据来源,然后是时序预测实验,主要是对比三种算法在时序预测方面的优劣,并且展示了三种算法最优参数设置。最后,介绍了轴承工作参数预测系统的设计与实现,先是功能分析,然后是系统的整体设计,包括整体架构,功能模块和数据库设计,经过系统的功能测试,确保能够应用于实际工业上。总的来说,系统实现了用户管理、温度预测、异常及故障预警、故障管理和发电相关数据的统计,经过测试符合实际工业应用的需要,对于发电厂工作人员的工作起到了良好的辅助作用,是深度学习在工业领域应用的一个很好的尝试。