基于SA-TCN的轴承短期故障预测方法

摘要

【目的】轴承是制造业中的核心零部件之一，其健康状况决定着主机设备的安全性，对轴承进行短期故障预测可以有效预防生产设备故障的发生。【方法】针对轴承短期故障预测未能实现端到端的问题，提出一种基于时序卷积网络(temporal convolutional network, TCN)的短期故障预测方法。该网络能通过当前时刻监测到的数据直接输出轴承最终会发生的故障类型以及下一时刻将要处于的劣化阶段。此外，提出软阈值注意力机制(soft threshold with attention mechanism, SA)解决轴承工作环境存在背景噪声或采集数据的过程中有噪声干扰的问题；在短期故障预测过程中，注意力机制根据TCN网络的预测目标自适应生成软阈值，软阈值作用于TCN提取到的时空特征，以达到降低噪声影响的目的。【结果】实验结果表明所提算法准确率高，具有较高的实际工程应用价值。

关键词

短期故障预测 / 时序卷积网络 / 轴承 / 注意力机制

基金资助

山西省自然科学基金面上资助项目(20210302123189)