基于注意力机制的滚动轴承剩余使用寿命预测方法

作者：卢瑾; 张永平

来源：机电工程, 2022, 1-8.

• 剩余使用寿命
• 卷积神经网络-注意力机制网络
• 编码器-解码器模型
• 退化特征提取
• 滚动轴承寿命预测模型
• 记忆力退化

现有的轴承振动信号特征的提取方法过分依赖于专家的经验，同时在轴承的寿命预测过程中，存在因序列过长而导致的记忆力退化等问题，为此，结合CNN-attention和基于注意力机制的Encoder-Decoder方法，提出了一种滚动轴承剩余使用寿命（RUL）的预测模型（方法）。首先，利用快速傅里叶变换（FFT）方法，将滚动轴承的初始振动信号转换成频域幅值信号；然后，设计了一种基于注意力机制的模型：其中，利用卷积神经网络-注意力机制网络（CNN-attention）进行了退化特征提取，利用基于注意力机制的Encoder-Decoder网络进行了RUL预测，并进一步在远距离信号传输中解决了循环神经网络记忆衰退的问题；最后，为了验证特征提取模型以及寿命预测模型的有效性，采用PHM 2012轴承退化数据集，通过轴承加速退化PRONOSTIA 实验平台进行了实验，并将其所得结果与未采用注意力机制模型的预测结果以及其他文献方法所得结果进行了对比。实验结果表明：与其他方法相比，基于注意力机制模型的方法平均绝对误差分别降低了29.41%，32.00%，29.56%，32.34%，平均得分分别提高了0.39%，0.98%，0.82%，15.46%。研究结果表明：在轴承RUL预测方面，基于注意力机制的轴承剩余使用寿命预测模型（方法）是有效的。

• 单位
  盐城工学院