来源：期刊VIP网 时间：
作者：孙丹铭;陈长征;孙业彭;
单位：沈阳工业大学机械工程学院;辽宁振动噪声控制工程技术研制中心;
摘要：针对滚动轴承振动信号特征提取不充分、过于依赖人工特征提取及预测精度低等问题，提出了CNN-TCN-Attention网络模型预测方法。该方法选取滚动轴承振动信号作为输入通过增强顶帽算子（EAVGH）对信号进行特征增强，运用卷积神经网络（CNN）来提取信号中的深层特征，并构建TCN-Attention模型对滚动轴承剩余寿命进行预测。将注意力机制与时间卷积网络相结合可以有效的提高模型预测精度，通过轴承寿命实验数据进行验证，CNN-TCN-Attention预测模型能有效的提取滚动轴承振动信号中的深层特征，并且具有较高的预测精度。
关键词：增强形态顶帽变换;;注意力机制;;时间卷积网络;;寿命预测
基金资助：国家自然科学基金项目（51675350）
