基于STA机制的AE-BiLSTM的滚动轴承剩余寿命预测

来源：电子测量技术杂志2025年第16期北京时间：

作者：施彤，张自豪，邱晓惠，张菀

单位：1.南京信息工程大学自动化学院 南京 210044;2.江苏省大气环境与装备技术协同创新中心 南京 210044

摘要：轴承作为机械零部件中不可或缺的组成部分,长时间工作容易导致轴承磨损和疲劳失效,进而影响机械设备的正常运转。因此,对轴承的剩余使用寿命（RUL）的预测可以有效避免意外发生,确保设备安全可靠地运行。为了提高滚动轴承的的RUL预测精度,本文提出了一种基于空间时间注意力（STA）机制的自编码（AE）和双向长短期记忆（BiLSTM）的滚动轴承寿命预测方法,有效地整合轴承数据中的多种模态信息,从而捕捉轴承运行状态的变化。首先,将原始振动信号输入到自编码模型自动提取故障特征;然后,将提取的特征输入到STA模型中,对特征数据在特征维度上的空间信息和运行时间步长信息进行深度加权融合,以更全面地捕捉特征维度和时间维度的信息;再结合BiLSTM模型对轴承的剩余使用寿命进行预测;最后,通过PHM2012挑战赛数据集和ABLT-1A轴承全寿命周期数据进行试验验证,实验结果表明所提出的模型的RMSE平均降低了约 22.76%，MAE平均降低了约 26.57%，而 R2平均提升了约 12.47%，可以看出所提出方法对RUL预测准确度有明显的提升。

关键词：滚动轴承;空间时间注意力模型;BiLSTM网络;剩余寿命预测

基金资助：国家自然科学基金(62105160)项目资助