基于多尺度竞争注意力GRU的滚动轴承RUL预测.pdfVIP

测控技术

装备无损检测与健康监测技术专刊（三）2025年第44卷第7期·49·

基于多尺度竞争注意力GRU的滚动轴承RUL预测

张泽中}，马静²，陈烁宇12，吕宏楠，左强4

101111;

（1.北京长城航空测控技术研究所有限公司，北京101111；2.状态监测特种传感技术航空科技重点实验室,北京

3.新乡航空工业（集团）有限公司，河南新乡453019；4.中国人民解放军93160部队，北京100166）

摘要：轴承剩余使用寿命（RemainingUsefulLife,RUL)预测是确保机械部件安全、高效运行的关键，其准

确性取决于模型对轴承运行数据的特征提取能力。传统的循环神经网络（RecurrentNeuralNetwork，

RNN)在建模之前没有权衡输入多尺度特征对预测的贡献，大幅降低了模型对关键轴承运行数据信息

的捕捉能力,模型预测性能有待提升。在此背景下，提出了一种新型的多尺度竞争注意力网络（Multi-

ScaleCompetitiveAttentionNetwork，MSCA-Net）用于轴承RUL预测。该模型在输入层后提取每个输入

属性的长短期特征，并衡量其在多个维度的贡献；在构建RUL预测模型时能够关注重要输入尺度和区

分不同重要程度隐藏特征，随后使用门控循环单元（GatedRecurrentUnit,GRU）网络完成RUL预测。使

用了XJTU-SY轴承数据集，将MSCA-Net与其他先进的数据驱动模型（LSTM、TCN、CNN-BiLSTM-AM）进

行对比实验。结果表明，所提出的MSCA-Net模型预测精度优于其他方法。

关键词：剩余使用寿命预测；滚动轴承；多尺度特征；竞争注意力机制；门控循环单元

中图分类号：TP391.9文献标志码：A文章编号：1000-8829(2025)07-0049-09

doi:10.19708/j.ckjs.2025.02.213

RollingBearingRULPredictionBasedonMulti-ScaleCompetitiveAttentionGRU

ZHANGZezhong,MAJing*,CHENShuoyul,LYUHongnan,ZUOQiang

(1.BeijingChangchengAeronauticalMeasurementandControlTechnologyResearchInstituteCo.,Ltd.,Beijing101111,China;

2.AviationKeyLaboratoryofScienceandTechnologyonSpecialConditionMonitoringSensorTechnology,Beijing101111,China;

3.XinxiangAviationIndustry(Group)Co.,Ltd.,Xinxiang453049,China;4.Unit93160ofthePLA,Beijing100166,China)

Abstract:Remainingusefullife(RUL)predictionofbearingsiscrucialtoensuringthesafeandefficientoper-

ationofmechanicalcomponents.TheaccuracyofbearingRULpredictiondependsonthemodelsabilitytoex-

tractfeaturesfromtheoperationaldataofbearing.Traditionalrecurr