摘要
一种基于Swin Transformer模型的滚动轴承寿命预测方法,先将原始振动数据划分为训练集和测试集,对原始振动数据做Z‑score归一化处理,再构建Swin Transformer模型,然后将训练集数据及标签导入Swin Transformer模型中进行训练,训练Swin Transformer模型至收敛;最后将测试集及标签导入训练好的Swin Transformer模型中,得到滚动轴承的剩余寿命;本发明能够更有效,更精确的预测滚动轴承寿命。
技术关键词
卷积神经网络模型
训练集数据
标签
构建卷积神经网络
滚动轴承寿命
模块
注意力
样本
算法
误差
系统为您推荐了相关专利信息
三维微结构
主动学习策略
剪切模量
数据
连通特征
策略分析方法
训练卷积神经网络模型
情绪识别模型
文本
市场动态
情绪调节系统
推荐算法
音乐特征
情绪特征
面部表情特征提取
档位识别方法
大数据管理平台
工况
车载智能终端
轮廓系数
叠层橡胶支座
压电陶瓷换能器
无损检测装置
损伤识别方法
监测螺栓预紧力