声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：44-1240/TP
国际刊号：1000-8152
发布日期:
作者：周建民,高 森,李家辉,熊文豪,王云庆
单位：华东交通大学 载运工具与装备教育部重点实验室,华东交通大学 载运工具与装备教育部重点实验室,华东交通大学 载运工具与装备教育部重点实验室,华东交通大学 载运工具与装备教育部重点实验室,华东交通大学 载运工具与装备教育部重点实验室
关键词：卷积注意力网络; 长短时记忆网络; 轴承; 剩余使用寿命预测
基金：国家自然科学基金项目(51865010)
传统的滚动轴承寿命预测方法缺乏明确的学习机制, 无法有效识别不同时序特征之间的差异并突出重要 特征, 影响其预测精度. 为克服上述缺点, 本文提出了一种基于卷积注意力长短时记忆网络(CAN-LSTM) 的剩余使 用寿命预测模型. 该模型主要由两部分组成: 前端为卷积注意力网络(CAN), 学习通道和时间维度中的深层故障特 征, 提高特征的表征能力; 后端为改进LSTM网络, 基于退化特征对轴承进行寿命预测. 归一化健康指标至[0,1]区间 内, 得到相同的失效阈值; 使用五点平滑法对预测结果进行处理, 实现预测结果的输出; 利用留一法对轴承全寿命 试验数据进行验证, 测试模型的准确性和适应性. 试验结果表明: 所提模型的平均均方根误差和平均绝对值误差比 仅用CNN 模型预测值低54.12% 和59.05%, 比仅用LSTM模型预测值低39.06% 和43.42%, 比卷积长短时记忆网络 (CNN-LSTM)低20.41% 和25.86%.
来源：2023年第6期
《控制理论与应用》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。