基于多尺度特征与注意力机制的轴承寿命预测

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.