热能动力工程

作者：闻 麒，金江涛，李 春，岳敏楠

单位：上海理工大学 能源与动力工程学院，上海 200093,,上海理工大学 能源与动力工程学院，上海 200093,,上海理工大学 能源与动力工程学院，上海 200093；上海市动力工程多相流动与传热重点实验室，上海 200093,,上海理工大学 能源与动力工程学院，上海 200093,

关键词：卷积神经网络;双向长短期记忆网络;多尺度;注意力机制;轴承;剩余寿命预测

基金：国家自然科学基金（51976131，52006148，52106262）；上海市IV类高峰学科-能源科学与技术-上海非碳基能源转换与利用研究院建设项目资助

通过卷积神经网络(Convolutional Neural Network, CNN)处理轴承一维时域或频域信号，难以提取具有代表性的非线性特征信息，且易忽略低层次信息。针对这一问题，基于多尺度特征提取，引入一种特征注意力机制，提出一种基于卷积双向长短期记忆网络(MSAMCNNBiLSTM)的轴承剩余寿命预测方法。基于西安交通大学（Xi′an Jiao Tong University，XJTU）轴承数据集中的3组数据对MSAMCNNBiLSTM、LSTM、CNNLSTM和MSAMCNNLSTM 4种方法的预测误差进行对比分析。结果表明：MSAMCNNBiLSTM方法在3组数据集中的预测误差均小于其他3种方法，说明该模型能同时学习数据中的低层次与高层次信息，可有效提高轴承的剩余寿命预测精度。

来源：2024年第3期

《热能动力工程》期刊编辑部

查看热能动力工程杂志2024年第3期