一种基于ECANTet-TCN与Self-Attention-BiGRU机制的轴承剩余寿命预测方法

本发明公开了一种基于ECANTet‑TCN与Self‑Attention‑BiGRU机制的轴承剩余寿命预测方法，主要包括两大部分：训练阶段和测试阶段。训练阶段，依据不同机械设备的不同工况下检测的数据，把其分为训练集振动信号数据和测试集振动信号数据，然后构建预测模型；其次，把训练集和测试集的振动信号数据进行批量标准化处理以及特征处理；将特征输入模型，对轴承的RUL进行预测并检验；再经过测试阶段的处理，通过预测模型，把训练集信号和测试集信号一一映射，完成对轴承寿命的预测；与现有方法相比，该方法有助于增强模型的鲁棒性和有助于提升轴承RUL预测的准确率，同时，在BiGRU层后加入了自注意力机制，减少了对不相关信息的关注，降低了对外部信息的依赖，解决了模型信息过载问题。