结合LSTM和Self‑Attention的滚动轴承剩余使用寿命预测方法

  • 打印
  • 收藏
收藏成功


打开文本图片集

摘要 为了构建准确表征滚动轴承退化过程的趋势性健康度指标,提高滚动轴承剩余使用寿命(Remaining Useful Life,RUL)的预测精度,提出了一种结合长短期记忆(Long‑Short Term Memory,LSTM)和自注意力(Self‑Attention)机制的神经网络模型(LSTM‑SA)用于滚动轴承RUL预测。(剩余14299字)

monitor
客服机器人