《机电工程》杂志社科技期刊核心期刊论文投稿机电一体化机械、仪表电工自动化、计算机浙江大学主办

《机电工程》杂志，月刊( 详细... )

中国标准连续出版物号： ISSN 1001-4551 CN 33-1088/TH
主办单位：浙江省机电集团有限公司
浙江大学
主编：陈晓
副主编：唐任仲、罗向阳(执行主编)
总经理：罗向阳
出版：浙江《机电工程》杂志社有限公司
地址：杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel：+86-571-87041360、87239525
E-mail：meem_contribute@163.com
国外发行：中国国际图书贸易总公司
订阅：全国各地邮局 国外代号：M3135
国内发行：浙江省报刊发行局
邮发代号：32-68
广告发布登记证：杭上市管广发G-001号

在线杂志	当前位置：机电工程 >>在线杂志

基于CNN-BiLSTM网络及注意力机制的智能滚动轴承剩余寿命预测方法

作者：赵广谦,姜培刚,林天然日期：2021-12-22/span> 浏览：1692 查看PDF文档

基于CNN-BiLSTM网络及注意力机制的智能

滚动轴承剩余寿命预测方法*

赵广谦,姜培刚,林天然*

(青岛理工大学机械与汽车工程学院,山东青岛 266000)

摘要:为了充分利用数据间的时序特性,实现对滚动轴承剩余使用寿命（RUL）的精确预测,提出了一种基于卷积神经网络(CNN)和双向长短时记忆网络(BiLSTM)的滚动轴承RUL智能预测方法。首先,提取出数据中的12个时域特征和4个频域特征作为神经网络的输入;然后,设计了一种基于注意力机制的CNN-BiLSTM算法,对输入数据进行了退化特征提取,并进一步解决了BiLSTM在远距离信号传输中信息丢失的问题;最后,采用PHM 2012轴承退化数据集,通过轴承加速退化PRONOSTIA实验平台,验证了所提方法的有效性,并将其结果与FCNN、CNN-BiLSTM和CNN-LSTM-AM算法所得结果进行了对比分析。研究结果表明:与采用其他方法所得结果相比,采用本文所提方法得到的轴承RUL预测RMSE值分别降低了25.85%、7.32%和10.59%,Score得分则分别提高了3.65%、2.12%和1.58%,该结果验证了本文所提方法在轴承RUL预测应用方面的优越性。

关键词:滚动轴承;剩余使用寿命;卷积神经网络;双向长短时记忆网络;注意力机制

中图分类号:TH133.33;TP183文献标识码:A文章编号:1001-4551(2021)10-1253-08

赵广谦,姜培刚,林天然.基于CNNBiLSTM网络及注意力机制的智能滚动轴承剩余寿命预测方法［J］.机电工程,2021,38(10):1253-1260.