典型文献
基于注意力的工业物联网设备剩余寿命预测方法
文献摘要：
设备剩余使用寿命预测作为工业物联网实现工业智能的重要功能之一,可基于设备的健康监测数据对其未来退化状态进行预测,以获得设备丧失运行能力前的剩余使用时间,从而制定相应的预测性维修策略,提升工业物联网设备的可靠性、可用性和安全性.提出一种基于注意力机制的设备剩余使用寿命预测方法(attention-based remaining useful lifetime prediction,ARULP).首先,在模型训练阶段设计了一种局部注意力计算算法,构建数据驱动的局部注意力计算模型,采用训练数据计算局部注意力度量,从而获取预测模型关注的大量数据中关键信息的能力;然后,设计了一种基于局部注意力的相关向量机,通过在其隐变量学习过程中引入局部注意力机制,动态更新注意力权重,从而自适应地调整设备的状态预测模型,提升设备的剩余使用寿命预测精度;最后,在模型预测阶段,利用所构建的预测模型进行设备工作状态预测,并计算设备的剩余使用寿命.基于西安交通大学滚动轴承加速寿命试验数据集,与RVM、AR、ARIMA和LSTM 4个基准方法进行性能比较.结果表明,ARULP方法在不同工况下针对轴承外圈故障、内圈故障和保持架故障进行预测时均与轴承实际退化数据最为接近,能够较好地反映故障轴承的退化状态,最终实现对工业物联网设备剩余使用寿命进行高精度的预测.
文献关键词：
工业物联网;剩余使用寿命;相关向量机;注意力
中图分类号：
作者姓名：
李国瑞;武雅君;王颖;彭三城;王聪
作者机构：
东北大学计算机科学与工程学院,辽宁沈阳 110169;秦皇岛职业技术学院信息工程系,河北秦皇岛 066100;广东外语外贸大学语言工程与计算实验室,广东广州 510006
文献出处：
引用格式：
[1]李国瑞;武雅君;王颖;彭三城;王聪-.基于注意力的工业物联网设备剩余寿命预测方法)[J].工程科学与技术,2022(06):67-74
A类：
ARULP
B类：
工业物联网,物联网设备,剩余寿命预测,寿命预测方法,剩余使用寿命预测,工业智能,重要功能,健康监测,退化状态,运行能力,使用时间,预测性维修,维修策略,可用性,注意力机制,attention,remaining,useful,lifetime,prediction,模型训练,训练阶段,局部注意力,计算算法,训练数据,数据计算,关键信息,相关向量机,隐变量,学习过程,动态更新,注意力权重,状态预测,提升设备,工作状态,计算设备,西安交通大学,滚动轴承,加速寿命试验,RVM,ARIMA,基准方法,性能比较,不同工况,轴承外圈,内圈,保持架,退化数据
AB值：
0.319033
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。
