一种基于AM-BiTCNs的风电机组剩余使用寿命预测方法

本发明公开了一种基于AM‑BiTCNs的风电机组剩余使用寿命预测方法。该方法为了更好地根据风电机组轴承的振动信号特性，提取数据特征，使用双向连接LSTM的思想，对TCN网络升级，组合成BiTCN，这样可以同时考虑正向和反向信息，在预测未来状态的任务中取得更好的效果。在Transformer模型中的注意力机制Attention Mechanism(AM)，可以让它独立学习不同的注意力权重，从而提升对输入序列各个区域的关注能力，因此在BiTCN模型中也加入了注意力机制，让它可以同时关注不同位置的信息，强化跨不同时间步长的特征关联能力。最后将BiTCN的输出反馈到一个新的原始TCN中，完成对数据的整体分析。因此，改进后的TCN模型被命名为AM‑BiTCNs。本发明方法在多种工况下风电机组轴承剩余寿命预测中具有更高的准确率。