机床与液压

作者：黄亚欣，李艳婷

单位：上海交通大学机械与动力工程学院；上海交通大学机械与动力工程学院

关键词：双域卷积;Transformer;滚动轴承;剩余寿命预测;时频特征

基金：国家自然科学基金面上项目(72072114;72471139)

深度学习方法在滚动轴承剩余寿命预测中广泛应用，但现有深度学习方法无法充分利用历史信息，且缺乏综合利用局部信息与全局信息的能力。针对上述问题，提出双域卷积Transformer用于预测滚动轴承的剩余寿命。使用滚动轴承从开始运转到预测时刻的完整振动信号作为输入，为模型学习长期退化过程提供充分的历史数据。使用短时傅里叶变换将完整信号从时域变换到时频域，然后通过双域卷积块在时域和频域两个维度上进行卷积操作，提取信号在时频域上的局部特征。最后，使用Transformer编码器提取信号的全局特征，与双域卷积块提取的局部特征形成互补，以丰富模型学习到的退化信息。使用滚动轴承加速退化数据集进行验证，双域卷积Transformer的平均误差相比注意力加强的LSTM与多尺度CNN方法分别降低了34.8%和16.4%，DDCT在轴承全寿命周期上的平均预测精度有一定的提升。同时，通过消融实验验证了双域卷积Transformer关键模块的有效性。

来源：2025年第20期

《机床与液压》期刊编辑部

查看机床与液压杂志2025年第20期