精准预测剩余寿命
针对滚动轴承剩余寿命预测中关键时间信息不足和特征融合不充分的问题，提出一种结合SE注意力与双注意力Transformer编码层的深度多尺度网络，有效提升了预测精度和泛化能力。
王之海 · 柳小勤 · 刘韬
Scientific Reports 2025
SE注意力对特征序列的时间显著性进行校准加权，捕获临界时间信息，从而提升预测精度。
构建双注意力增强的Transformer编码层，显著提高模型泛化能力，适应不同工况。
多尺度残差金字塔层串联构成深度网络，进一步挖掘轴承状态信息，提升模型对复杂退化模式的捕捉能力。