摘要
本发明属于机械工程技术领域,公开了一种基于SF‑CNN‑Transformer模型的滚动轴承寿命预测方法及系统,在滚动轴承寿命预测领域取得了显著的技术进步。首先,通过频域累积幅值特征的构造和CNN模型的深层特征提取,提高了轴承运行状态的表征能力。其次,利用CA‑Transformer模型的多头自注意力机制,有效捕捉了轴承寿命变化的长时依赖关系,进一步提升了预测的准确性。最后,本发明的技术方案具有较强的通用性和可扩展性,可广泛应用于各种滚动轴承的寿命预测任务中。本发明通过引入频域累积幅值特征构造和CNN‑Transformer模型结合的方式,有效解决了传统方法难以准确预测滚动轴承寿命的问题,具有较强的通用性和可扩展性,为滚动轴承寿命预测领域的研究和应用提供了新的思路和方法。
技术关键词
滚动轴承寿命
深层特征提取
幅值
一维卷积神经网络
预测系统
剩余使用寿命预测
信号
特征提取模块
轴承运行状态
前置编码器
注意力机制
滑动窗口
机械工程技术
标签
样本
系统为您推荐了相关专利信息
深度神经网络
深层特征提取
优化高斯混合模型
识别方法
线性
小波阈值去噪方法
超声回波
蝙蝠算法
超声波检测仪
平稳小波
线预警系统
线预警方法
模拟换流变压器
特征参量
放电模型
裂纹扩展速率
风机部件
疲劳裂纹扩展
声发射
变化关系曲线