基于深度学习的导航装备轴承剩余使用寿命预测
党慧莹1
李海林2
吴北苹3
余佳宇4
庄银传5
1.空军工程大学信息与导航学院,西安,710077;31401部队,吉林通化,1340002.空军工程大学信息与导航学院,西安,7100773.空军工程大学信息与导航学院,西安,710077;空军通信士官学校,辽宁 大连,1160004.空军工程大学信息与导航学院,西安,710077;95486部队,成都,6100415.93127部队,北京,100834
摘要：作为导航装备的重要部件,轴承影响着导航装备的定位精度和保障能力.在装备剩余使用寿命(RUL)预测中,传统的机器学习算法在处理复杂非线性传感信号问题上存在局限性,为此提出了一种基于注意力机制(AM)和双向长短期记忆网络(Bi-LSTM)的轴承RUL预测框架(Bi-LSTM-A).该框架在前端加入一维卷积神经网络(CNN)从原始传感器信号中提取局部特征,然后利用双向长短期记忆网络与注意力机制相结合的方式对信号进行分析预测,最后经过网络末端的全连接层输出预测结果.通过与同类算法的对比实验表明,该方法能够准确地预测装备剩余使用寿命,具有较好的预测效率和预测精度.
关键词：轴承深度学习长短期记忆网络注意力机制剩余使用寿命
分类号：TH17(机械运行与维修)
论文发表日期：2025-04-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 81-88 )
英文信息