多表征可转移注意力网络

跨工况寿命预测

通过多表征适配与可转移注意力机制，在多种工况下稳定预测滚动轴承剩余寿命，避免负迁移。

Yabin, Shi · Youchang, Cui · Cheng, Han · Lin, Li · Xiaopeng, Li · 孔宪光

Measurement Science and Technology 2024

技术优势

避免负迁移

通过多表征适配挖掘域不变表示，并在训练中动态激活高可迁移性表征，防止不适用的知识迁移损害模型性能。

预测更准

以多个优化目标和反向传播算法训练预测模型，在多个跨域任务中取得优于现有方法的结果。

多尺度过硬

多个卷积模块从原始信号中并行提取多种退化特征，后续模块从中挖掘多个域不变表示，增强特征鲁棒性。

应用场景

• 旋转机械故障预测与健康管理：为在役旋转机械提供跨工况剩余寿命预测，辅助制定维护计划。
• 工业设备智能运维：减少因工况变化导致的模型失效，支持设备智能维护决策。
• 多工况下轴承寿命评估：直接给出多工况下轴承的剩余寿命估计，避免重新训练模型。
• 机器人关节轴承健康监测：可将模型迁移到机器人关节轴承，监测其健康状态并预测剩余寿命。