摘要： 为了提高滚动轴承剩余使用寿命预测精度，提出了基于注意力多尺度卷积神经网络(Attention Multi-scale Convolution Neural Network, AMCNN)的剩余使用寿命预测方法。首先，将轴承振动信号进行互补集合经验模态分解(Complementary Ensemble Empirical Mode Decomposition, CEEMD),得到本征模态函数(Intrinsic Mode Function, IMF)分量，并基于其能量累计占比选择了前5个IMF分量作为浅层特征。其次，融合了深度学习、多尺度感知和注意力机制，构造了注意力多尺度卷积神经网络。最后，设计了注意力多尺度卷积神经网络对轴承剩余使用寿命的预测步骤。经XJTU-SY轴承数据集验证，AMCNN对轴承剩余使用寿命预测的MAE=2.41、RMSE=3.12,远小于标准卷积神经网络(Standard Convolutional Neural Network, SCNN)和多尺度卷积神经网络(Multi-scale Convolution Neural Network, MCNN)预测的MAE和...更多

关键词: 滚动轴承; 剩余使用寿命; 多尺度感知; 卷积神经网络; 注意力机制

中图分类号: 

• TH133.33

• TP18