基于MHA与LSTM的滚动轴承性能退化趋势预测

作者：张泰瑀; 张菀; 吉刘骏; 郁辰; 丁宇

来源：电子测量技术, 2022, 45(13): 59-64.

DOI：10.19651/j.cnki.emt.2209818

• 滚动轴承
• 多头注意力机制
• 长短期记忆网络
• 性能评估

滚动轴承是机械传动设备的重要组成部件，对其进行性能退化趋势预测是保障设备安全稳定运行的关键。为了提高滚动轴承性能退化趋势预测的准确性，提出一种多头注意力机制(multi-head-attention, MHA)与长短期记忆网络(long short-term memory, LSTM)相结合的滚动轴承性能退化趋势预测方法。首先构建时域、频域、时频域和威布尔参数的多域特征，并根据综合性能退化指标对多域特征进行筛选。其次，采用注意力机制增强关键特征的权重，并采用PCA进行特征融合，进一步采用LSTM模型预测滚动轴承性能退化趋势。最后，采用NSF I/UCR中心的轴承疲劳寿命实验数据对本文所提出的方法进行验证，并与其他几种模型进行对比分析，表明本文所提出的方法可以更加准确地预测滚动轴承性能退化趋势。

• 单位
  南京信息工程大学; 自动化学院