科研之友
微信
新浪微博
Facebook
分享链接
摘要
提出了一种基于自注意力思想长短时记忆神经网络（Self-Attention Mechanism Long Short-Term Memory Networks,SAM-LSTM）的寿命趋势指标构建方法。首先对原始信号进行滤波降噪处理；其次利用自注意力思想提取信号内部的退化趋势信息构建特征矩阵；接着采用双层长短时记忆神经网络在保留信号外部之间的时序关系的同时，映射特征得到寿命趋势指标；最后提出一种基于历史预测使用寿命指标动态选择拟合数据集的拟合方法，预测滚动轴承的剩余有效寿命。结合公开数据集对模型进行了验证，与另外两种方法对比表明，该方法能有效提升滚动轴承的剩余寿命预测的准确率，并且在不同工况下具有一定的泛化能力。
-
单位上海大学; 自动化学院
