基于ACNN—LSTM网络的轴承状态退化预测

为了便于大型机组的维护和检修,确定机组齿轮箱轴承的更换时间,需要预知轴承的工作状态。根据轴承数据特点,提出卷积神经网络(CNN)的改进算法ACNN-LSTM网络。ACNN-LSTM是结合融入注意力机制的卷积神经网络与长短期记忆网络(LSTM),实现对轴承的退化预测。选取轴承退化敏感特征,利用主成分法建立退化指标。ACNN的注意力模块(CBAM)能够准确提取退化特征,经五点三次平滑法处理突出退化状态。为验证ACNN-LSTM网络的有效性,搭建风机齿轮箱平台。实验结果显示,预测退化曲线和实际退化曲线基本重合,到达失效阈值的时间接近,表明该改进算法能够准确预测轴承状态退化趋势,为评估轴承的运行状态提供依据。