典型文献
基于MHA与LSTM的滚动轴承性能退化趋势预测
文献摘要：
滚动轴承是机械传动设备的重要组成部件,对其进行性能退化趋势预测是保障设备安全稳定运行的关键.为了提高滚动轴承性能退化趋势预测的准确性,提出一种多头注意力机制(multi-head-attention,MHA)与长短期记忆网络(long short-term memory,LSTM)相结合的滚动轴承性能退化趋势预测方法.首先构建时域、频域、时频域和威布尔参数的多域特征,并根据综合性能退化指标对多域特征进行筛选.其次,采用注意力机制增强关键特征的权重,并采用PCA进行特征融合,进一步采用LSTM模型预测滚动轴承性能退化趋势.最后,采用NSF I/UCR中心的轴承疲劳寿命实验数据对本文所提出的方法进行验证,并与其他几种模型进行对比分析,表明本文所提出的方法可以更加准确地预测滚动轴承性能退化趋势.
文献关键词：
滚动轴承;多头注意力机制;长短期记忆网络;性能评估
中图分类号：
作者姓名：
张泰瑀;张菀;吉刘骏;郁辰;丁宇
作者机构：
南京信息工程大学自动化学院 南京210044;南京信息工程大学江苏省大气环境与装备技术协同创新中心 南京210044
文献出处：
引用格式：
[1]张泰瑀;张菀;吉刘骏;郁辰;丁宇-.基于MHA与LSTM的滚动轴承性能退化趋势预测)[J].电子测量技术,2022(13):59-64
A类：
B类：
MHA,滚动轴承性能退化,退化趋势预测,机械传动,设备安全,安全稳定运行,多头注意力机制,multi,head,attention,长短期记忆网络,long,short,term,memory,时频域,威布尔参数,多域特征,退化指标,关键特征,特征融合,NSF,UCR,疲劳寿命,寿命实验,性能评估
AB值：
0.221792
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
