Python环境下基于门控双注意力机制的滚动轴承剩余使用寿命RUL预测(Tensorflow模块)
机械设备的寿命是其从开始工作持续运行直至故障出现的整个时间段,以滚动轴承为例,其寿命为开始转动直到滚动体或是内外圈等元件出现首次出现故障前。目前主流的滚动轴承RUL预测分类方法包含两种:一是基于物理模型的RUL预测方法,二是基于数据驱动的RUL预测方法。基于物理模型的RUL预测方法是利用物理学模型来描述基于失效机制的物理现象,并在一定的假设条件下建立滚动轴承RUL预测的公式模型。但要想建立精确的滚