科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对以往剩余使用寿命（RUL）预测方法对轴承退化信息挖掘不充分、忽视不同特征贡献度差异，影响预测准确性的问题，提出基于多尺度特征与注意力机制的轴承RUL预测方法.在多个尺度下计算轴承原始振动信号的若干时域和频域特征，作为输入特征集.将多尺度特征集输入到网络中，以注意力模块为不同特征自适应地分配最佳权重，以卷积神经网络（CNN）模块进行深层特征提取与多尺度特征融合，通过前馈神经网络（FNN）模块映射得到RUL预测值.通过公开的轴承数据集进行实验验证，与其他RUL预测方法相比，所提方法的预测性能更优越.
