基于CNN-LSTM-Attention神经网络的轴承尺寸预测方法及系统

本发明涉及轴承技术领域，提供一种基于CNN‑LSTM‑Attention神经网络的轴承尺寸预测方法，通过步骤S1‑S4，通过轴承测量设备采集轴承的几何尺寸数据和环境数据，并对这些数据进行初始化处理生成第一数据集；接着对数据集进行最大‑最小归一化处理。构建一个由输入层、CNN模块、Attention模块、LSTM模块和输出层组成的预测模型，对模型进行训练直至预测精度达到预设值。实时采集轴承的几何尺寸和环境数据，输入训练好的模型，得到轴承几何尺寸的预测结果。该方法和系统能够针对复杂的非线性误差进行有效补偿，如温度变化、机械结构变形、传感器非线性特性等，得到准确率更高的轴承尺寸。