文献类型：期刊文章

作　　者：周哲韬[1] 刘路[1] 宋晓[2] 陈凯[3]

ZHOU Zhetao;LIU Lu;SONG Xiao;CHEN Kai(School of Automation Science and Electrical Engineering,Beihang University,Beijing 100191,China;School of Cyber Science and Technology,Beihang University,Beijing 100191,China;College of Mechanical&Electrical Engineering,Nanjing University of Aeronautics and Astronautics,Nanjing 210016,China)

机构地区：[1]北京航空航天大学自动化科学与电气工程学院,北京100191 [2]北京航空航天大学网络空间安全学院,北京100191 [3]南京航空航天大学机电学院,南京210016

出　　处：《北京航空航天大学学报》

基　　金：国家重点研发计划(2018YFB1702703)。

年　　份：2023

卷　　号：49

期　　号：2

起止页码：430-443

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2023_2024、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：准确的滚动轴承剩余使用寿命(RUL)预测对保证机械安全运行和减小维修损失起着至关重要的作用。为提高滚动轴承RUL预测准确率,提出一种基于Transformer模型的轴承RUL预测方法,充分利用其自注意力机制与编码器-解码器结构的优势,解决轴承RUL预测中序列过长而导致的记忆力退化问题,挖掘出输入特征与轴承RUL之间复杂映射关系。同时,采用三角函数变换与累积变换来修正输入特征的单调性与趋势性,使其能更好地表征滚动轴承的退化过程。在PHM2012数据集上的实验结果表明:所提方法相比于对比方法平均绝对误差分别降低了9.25%、28.63%、34.14%,平均得分分别提高了2.78%、19.79%、29.38%;在XJTU-SY数据集上的实验结果表明,所提方法相比于对比方法均方根误差降低了17.4%,平均得分提高了18.6%,进一步证明了其可行性与优越性。

关 键 词：滚动轴承 剩余使用寿命预测  Transformer模型  自注意力机制  累积变换  

分 类 号：V229.2] TH133.33] TP183]