多尺度注意力轴承退化预测模型

预测更准

利用多尺度注意力网络构建健康指标，并通过改进的自回归模型预测轴承退化趋势，显著优于现有方法。

Zhuang, Jichao · Cao, Yudong · 丁一飞 · Minping, Jia · Feng, Ke

Engineering Applications of Artificial Intelligence 2024

技术优势

指标更能反映退化

多尺度注意力网络能提取振动数据中的多尺度特征，构建的健康指标能有效捕捉退化趋势，从而提升预测基础。

预测更贴近真实

改进的自回归模型考虑消除异方差性，使模型更符合数据特征，退化趋势预测更准确。

整体效果占优

与其他相关方法相比，该方法在旋转机械健康监测中具有明显优势，证明其有效性。

应用场景

• 旋转机械健康管理：提前捕捉轴承退化趋势，避免突发停机。
• 工业设备预测性维护：精准预测剩余寿命，按需安排维护。
• 智能传感监测：从振动数据中智能提取健康指标，提升监测实时性。