机械工程学报

作者：林天骄, 宋浏阳, 崔玲丽, 王华庆

单位：1. 北京化工大学机电工程学院 北京 100029;2. 北京工业大学先进制造技术北京市重点实验室 北京 100081

关键词：剩余寿命预测,时序对比学习,注意力机制,轴承,轨交列车轮对；

基金：国家自然科学基金资助项目(52475084, 52375076)

在监测大数据背景下，理想数据的获取往往受到限制，高价值数据稀缺性导致传统智能预测模型泛化性弱、准确率低。为此，提出一种时序对比学习与注意力机制的联合深度学习框架，有效利用片段式的、无完整寿命标签的非理想数据实现设备剩余寿命预测。首先构建时序对比编码器，在无需寿命标签引导下自动注释非理想数据的深度退化特征，并增强所提取特征的时间自相关性。其次构建寿命预测注意力解码器，对编码后的退化特征进行动态权重分配与并行计算拟合。在此基础上，提出基于弹性权重共享的编码-解码训练优化模式，实现编码器与解码器的有机结合与高效交互。通过轴承与轨交列车轮对全寿命试验实例，验证所提方法的有效性。结果表明，所提方法在两种应用场景下的预测精度均优于对比方法，平均预测精度提升约34%。

来源：2025年第18期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2025年第18期