多源传感器数据下基于注意力机制与长短期记忆网络的轴承故障诊断与寿命预测

来源：信息与控制杂志2024年第2期北京时间：

作者：陈翔, 刘勤明, 胡家瑞

摘要：针对滚动轴承故障在噪声环境下诊断效果不佳的问题, 提出了一种多源传感器数据下基于注意力机制与长短期记忆(long short-term memory, LSTM)网络的轴承故障诊断新方法。首先, 将多源传感器采集的1维数据进行归一化处理, 通过构建带AdaBN(Adaptive Batch Normalization)技术的双通道孪生卷积网络提取有效特征并进行数据融合。其次, 将融合数据输入具有同时考虑通道间关系和位置信息功能的改进1维CoordAtt(Coordinate Attention)中。再次, 通过LSTM层提取时间特征, 通过标签平滑正则化改进后的损失函数来评估诊断效果, 使用新型优化器Adan进行优化。最后, 将得到的诊断模型应用于测试集, 输出故障类别诊断结果。将模型在不同测试集比例下进行诊断精度对比实验, 判断出最佳比例为0.3, 并在噪声环境下进行测试。实验结果表明, 所提方法能更好地对抗噪声环境的影响。在C-MAPSS数据集上的实验结果验证了CoordAtt-LSTM模型在寿命预测中的有效性。

关键词：多源传感器数据, 注意力机制, 标签平滑正则化, 故障诊断, 寿命预测