基于MHA与LSTM的滚动轴承性能退化趋势预测

来源：电子测量技术杂志2022年第13期北京时间：

作者：张泰瑀，张菀，吉刘骏，郁辰，丁宇

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

摘要：滚动轴承是机械传动设备的重要组成部件，对其进行性能退化趋势预测是保障设备安全稳定运行的关键。为了提高滚动轴承性能退化趋势预测的准确性，提出一种多头注意力机制（Multi-head-attention, MHA）与长短期记忆网络（long short-term memory, LSTM）相结合的滚动轴承性能退化趋势预测方法。首先构建时域、频域、时频域和威布尔参数的多域特征，并根据综合性能退化指标对多域特征进行筛选。其次，采用注意力机制增强关键特征的权重，并采用PCA进行特征融合，进一步采用LSTM模型预测滚动轴承性能退化趋势。最后，采用NSF I/UCR中心的轴承疲劳寿命实验数据对本文所提出的方法进行验证，并与其他几种模型进行对比分析，表明本文所提出的方法可以更加准确地预测滚动轴承性能退化趋势。

关键词：滚动轴承;多头注意力机制;长短期记忆网络;性能评估

基金资助：国家自然科学基金（62105160）、先进数控和伺服驱动技术安徽省重点实验室（安徽工程大学）开放基金申请书(XJSK202105)