基于TET与DSRNet-AttBiLSTM的滚动轴承剩余使用寿命预测

来源：振动与冲击杂志2024年第19期北京时间：

作者：周玉国，张金超，孙伊萍，于春风，周立俭

单位：1. 青岛理工大学信息与控制工程学院， 山东 青岛266520；2. 海军航空大学青岛校区航空仪电控工程与指挥系， 山东 青岛266041

摘要：为了在滚动轴承剩余使用寿命（Remaining Useful Life，RUL）预测中，能够准确地提取轴承的退化特征并进行有效的RUL预测。本文提出一种基于暂态提取变换（Transient Extracting Transform，TET）与DSRNet-AttBiLSTM的滚动轴承RUL预测方法。首先，对原始振动信号分段重组后进行TET得到时频图，使用双线性插值对时频图进行降维，将降维后的时频图进行通道拼接得到轴承的时频图像化特征。其次，为了准确且有效地提取滚动轴承的退化特征，构建了包含深度可分离卷积和空间通道注意力的SConv和DConv基础模块，以此为基础建立了DSRNet来提取空间与通道两个维度下的轴承退化特征。再次，为了使双向长短时间记忆（Bidirectional Long Short-Term Memory，BiLSTM）网络在学习时更加关注具有更重要信息的输入特征，在特征输入端构建了注意力层，并与BiLSTM相结合组成AttBiLSTM预测模块进行HI的计算。最后，使用线性回归拟合来预测滚动轴承的RUL。在PHM2012数据集与XJTU-SY数据集上实验的结果表明此方法能有效预测滚动轴承的RUL。<br>

关键词：滚动轴承；剩余使用寿命；注意力机制；特征提取