http://bhxb.buaa.edu.cnjbuaa@buaa.edu.cnDOI:10.13700/j.bh.1001-5965.2021.0247基于Transformer模型的滚动轴承剩余使用寿命预测方法周哲韬1，刘路1，宋晓2，*，陈凯3(1.北京航空航天大学自动化科学与电气工程学院，北京100191；2.北京航空航天大学网络空间安全学院，北京100191；3.南京航空航天大学机电学院，南京210016)摘要：准确的滚动轴承剩余使用寿命(RUL)预测对保证机械安全运行和减小维修损失起着至关重要的作用。为提高滚动轴承RUL预测准确率，提出一种基于Transformer模型的轴承RUL预测方法，充分利用其自注意力机制与编码器-解码器结构的优势，解决轴承RUL预测中序列过长而导致的记忆力退化问题，挖掘出输入特征与轴承RUL之间复杂映射关系。同时，采用三角函数变换与累积变换来修正输入特征的单调性与趋势性，使其能更好地表征滚动轴承的退化过程。在PHM2012数据集上的实验结果表明：所提方法相比于对比方法平均绝对误差分别降低了9.25%、28.63%、34.14%，平均得分分别提高了2.78%、19.79%、29.38%；在XJTU-SY数据集上的实验结果表明，所提方法相比于对比方法均方根误差降低了17.4%，平均得分提高了18.6%，进一步证明了其可行性与优越性。关键词：滚动轴承；剩余使用寿命预测；Transformer模型；自注意力机制；累积变换中图分类号：V229+.2；TH133.33；TP183文献标志码：A文章编号：1005-5965（2023）02-0430-14滚动轴承被称为“工业的关节”，是旋转机械设备的关键零件，广泛应用于各个工业领域[1]。如在航空航天领域，轴承是航空发动机承力传动系统[2]及航天器控制力矩陀螺[3]等设备的重要组成部分，其性能与质量直接影响了航空航天设备的安全性与可靠性。轴承若发生故障，轻则将导致设备故障、经济损失，重则将引发安全事故、人员伤亡。因此，准确、及时地预测轴承的剩余使用寿命（remainingusefullife，RUL）对工业生产安全而言具有重大研究意义。随着传感器、存储、网络传输等新技术的快速发展，轴承运行过程产生了大量的监测数据，利用这些数据来挖掘轴承退化信息，实现精确的RUL预测，是当前的研究热点[4]。基于数据驱动的轴承剩余使用寿命预测主要有2个步骤[5]：①从原始信号中提取具有趋势性的特征，来表征轴承性能退化的过程；②构建预测模型，使用传统机器学习或深度学习的方法，利用其拟合能力建立特征与剩余寿命间的关系。特征提取是进行轴承RUL预测的前提，目的是提取出符合轴承退化趋势的特征用于表征退化过程。传统的...
