摘要
本发明公开了一种基于深度学习模型的轴承剩余使用寿命预测方法及装置,属于轴承安全监控技术领域。对轴承振动信号数据集处理得到轴承剩余使用寿命预测数据集,将轴承剩余使用寿命预测数据集划分为训练集、验证集和测试集;构建Transformer‑BiLSTM网络模型,包括编码层和BiLSTM网络重构解码层;基于训练集对Transformer‑BiLSTM网络模型训练,基于验证集对训练过程中的Transformer‑BiLSTM网络模型进行评估,将测试集输入到训练好的Transformer‑BiLSTM网络模型中进行轴承剩余使用寿命预测,得到预测结果。本发明可以实现轴承剩余使用寿命的有效预测,提升预测精度。
技术关键词
剩余使用寿命预测
深度学习模型
轴承剩余寿命
注意力机制
时序依赖关系
前馈神经网络
矩阵
振动特征
数据
安全监控技术
网络模型训练
训练集
重构
模型训练模块
可读存储介质
系统为您推荐了相关专利信息
耳鼻喉患者
文本特征向量
多模态
生理
梯度提升决策树
矩阵
向量乘法单元
融合控制器
内存访问控制器
存储芯片
数据管理模块
检测网络模型
后处理模块
双模态
生成结构化数据