Modelo de predicción de vida útil residual de rodamientos basado en la fusión optimizada por optimización de enjambre de partículas de red neuronal convolucional y memoria a corto y largo plazo bidireccional con autoatención de múltiples cabezas
Autores: Yang, Jianzhong; Zhang, Xinggang; Liu, Song; Yang, Ximing; Li, Shangfang
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Modelo de predicción de vida útil residual de rodamientos basado en la fusión optimizada por optimización de enjambre de partículas de red neuronal convolucional y memoria a corto y largo plazo bidireccional con autoatención de múltiples cabezas
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Rodamientos de rodillos
Etapa de degradación
PSO
CNN
BiLSTM
MHSA
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 25
Citaciones: Sin citaciones
En el contexto de predecir la vida útil restante (RUL) de rodamientos de rodillos, muchos modelos a menudo enfrentan desafíos para identificar el punto de inicio de la etapa de degradación, y la precisión de las predicciones no es alta. Por lo tanto, este documento propone una técnica que utiliza la optimización por enjambre de partículas (PSO) en combinación con la fusión de una red neuronal convolucional (CNN) unidimensional y una red LSTM bidireccional de autoatención multihead (MHSA) llamada PSO-CNN-BiLSTM-MHSA.
Descripción
En el contexto de predecir la vida útil restante (RUL) de rodamientos de rodillos, muchos modelos a menudo enfrentan desafíos para identificar el punto de inicio de la etapa de degradación, y la precisión de las predicciones no es alta. Por lo tanto, este documento propone una técnica que utiliza la optimización por enjambre de partículas (PSO) en combinación con la fusión de una red neuronal convolucional (CNN) unidimensional y una red LSTM bidireccional de autoatención multihead (MHSA) llamada PSO-CNN-BiLSTM-MHSA.