一种基于变池化-多尺度卷积神经网络与Transformer结合的轴承寿命预测方法

本发明提供一种基于变池化‑多尺度卷积神经网络与Transformer结合的轴承寿命预测方法，涉及轴承预测的技术领域，将VPMCNN和Transformer结合起来，既保留了VPMCNN中对全局和细节特征的捕捉能力，同时Transformer通过自注意力机制学习到丰富的输入信号前后序列的表示，能更好的通过输入的滚动轴承声发射信号预测轴承的剩余寿命；解决了Transformer无法捕捉细节特征的劣势，同时Transformer模型中的自注意力机制能够捕获输入信号中的长距离依赖关系，有效克服了预测序列的记忆力退化问题。为降低模型对于正确标签的过度自信，避免过拟合，并提高模型的泛化能力，同时，在给训练数据集打标签时嵌入Lable‑Smoothing正则化技术，进行标签的平滑处理，在训练时将"硬"标签变为"软"标签。