采用注意力DBN-GRU的滚动轴承剩余寿命预测方法

摘要

针对滚动轴承剩余寿命预测中特征提取困难以及预测精度低等问题,提出一种引入注意力机制的深度置信网络(DBN)和门控循环单元(GRU)组合方法用于滚动轴承寿命预测。首先利用Nadam优化器改进DBN网络,直接从原始数据中挖掘出深度特征;其次将注意力机制引入改进DBN中对深度特征进行权重分配形成全局特征;最后通过GRU网络进行寿命预测试验。[JP2]结果表明,所提方法的预测结果均方根误差和平均相对误差分别比ADBN-LSTM、DBN-GRU、DBN-LSTM和DBN-BP平均低36.81%和34.15%,预测寿命的准确率更高,为滚动轴承健康管理提供了实际价值。