10.11857/j.issn.1674-5124.2021070061
基于多粗粒度与注意力网络的轴承剩余寿命预测
考虑到轴承的振动信号往往分布在多个时间尺度上,该文提出一种基于多粗粒度与注意力网络的轴承剩余寿命(RUL)预测方法.首先采用多尺度粗粒度操作处理轴承的原始振动信号,从而获得蕴含更丰富退化信息的多尺度信号,在网络中以多尺度池化层来实现多尺度粗粒度操作;其次,基于大步幅卷积等网络层对多尺度信号进行深层特征提取、压缩、融合;此外,在网络中引入改进的卷积注意力模块为深层特征进行重标定,自适应地为不同通道和不同空间分配最佳权重;最后,将经注意力加权后的特征输入到前馈神经网络中映射得到RUL值.通过PRONOSTIA轴承数据进行实验分析,实验结果验证所提方法的有效性与优越性.
剩余寿命预测;多粗粒度;注意力;轴承
47
TH133
国家自然科学基金项目;国家自然科学优秀青年基金项目
2021-11-08（万方平台首次上网日期，不代表论文的发表时间）
共6页
1-6
