一种基于LSTM-AON的齿轮剩余寿命的预测方法

摘要

本发明涉及一种基于LSTM‑AON的齿轮剩余寿命的预测方法，属于大数据和智能制造领域。该方法设计了一种新型的LSTM‑AON神经网络来预测齿轮剩余寿命，LSTM‑AON网络在LSTM网络的基础上，对其隐藏层进行改进，使其通过计算相关元素和标签的注意系数，选取注意系数最大的元素所在层间位置作为层级位置；层级结构的划分由注意力引导，由与标签最相似的元素决定；然后通过信息的注意程度将树状层级结构嵌入递归神经网络，从而挖掘传统网络所忽略的层间序信息。本发明采用的LSTM‑AON网络相比与传统LSTMs网络，计算速度快，计算量小，精度更高。