基于特征融合的机械核心部件剩余寿命预测

来源：计算机技术与发展杂志2025年第03期北京时间：

作者：刘宗宇;廖雪超;

单位：1. 武汉科技大学 计算机科学与技术学院,湖北 武汉 430065;2. 智能信息处理与实时工业系统湖北省重点实验室,湖北 武汉 430065

摘要：工程机械设备的预测性维护能确保设备高效运行和维护计划的合理安排,其关键在于准确预测设备系统或核心部件的剩余寿命。 针对工程机械设备预测性维护中的特征提取和预测精度难题,该文提出了基于特征融合的 Informer 机械设备核心部件剩余寿命预测框架。 首先,采用按寿命比例的训练样本构造方法优化数据利用率,采用巴特沃斯高通滤波器和小波降噪对原始数据进行滤波和降噪,并对原始数据进行特征扩展来提取关键特征,使用 XGBoost 算法进行特征选择。 然后,按设备类型将特征选择后的数据分类,设计了基于 Informer 的机械核心部件剩余寿命预测模型进行分类训练。使用公开数据集对模型进行验证,与其他预测模型的预测结果进行比较,验证了基于特征融合的 Informer 预测模型能够实现最准确的预测。

关键词：预测性维护;剩余寿命预测;特征提取;特征融合;深度学习;自注意力机制