期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于双域卷积Transformer的滚动轴承剩余寿命预测
1
作者 黄亚欣 李艳婷 《机床与液压》 北大核心 2025年第20期1-7,共7页
深度学习方法在滚动轴承剩余寿命预测中广泛应用,但现有深度学习方法无法充分利用历史信息,且缺乏综合利用局部信息与全局信息的能力。针对上述问题,提出双域卷积Transformer用于预测滚动轴承的剩余寿命。使用滚动轴承从开始运转到预测... 深度学习方法在滚动轴承剩余寿命预测中广泛应用,但现有深度学习方法无法充分利用历史信息,且缺乏综合利用局部信息与全局信息的能力。针对上述问题,提出双域卷积Transformer用于预测滚动轴承的剩余寿命。使用滚动轴承从开始运转到预测时刻的完整振动信号作为输入,为模型学习长期退化过程提供充分的历史数据。使用短时傅里叶变换将完整信号从时域变换到时频域,然后通过双域卷积块在时域和频域两个维度上进行卷积操作,提取信号在时频域上的局部特征。最后,使用Transformer编码器提取信号的全局特征,与双域卷积块提取的局部特征形成互补,以丰富模型学习到的退化信息。使用滚动轴承加速退化数据集进行验证,双域卷积Transformer的平均误差相比注意力加强的LSTM与多尺度CNN方法分别降低了34.8%和16.4%,DDCT在轴承全寿命周期上的平均预测精度有一定的提升。同时,通过消融实验验证了双域卷积Transformer关键模块的有效性。 展开更多
关键词 双域卷积 TRANSFORMER 滚动轴承 剩余寿命预测 时频特征
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部