基于注意力的工业物联网设备剩余寿命预测方法

设备剩余使用寿命预测作为工业物联网实现工业智能的重要功能之一，可基于设备的健康监测数据对其未来退化状态进行预测，以获得设备丧失运行能力前的剩余使用时间，从而制定相应的预测性维修策略，提升工业物联网设备的可靠性、可用性和安全性。提出一种基于注意力机制的设备剩余使用寿命预测方法（Attention-based Remaining Useful Lifetime Prediction，ARULP）。首先在模型训练阶段设计了一种局部注意力计算算法，构建数据驱动的局部注意力计算模型，采用训练数据来计算局部注意力度量，从而获取预测模型关注大量数据中关键信息的能力；然后设计了一种基于局部注意力的相关向量机，通过在其隐变量学习过程中引入局部注意力机制，动态更新注意力权重，从而自适应地调整设备的状态预测模型，提升设备的剩余使用寿命预测精度；最后在模型预测阶段，利用所构建的预测模型进行设备工作状态预测，并计算设备的剩余使用寿命。基于西安交通大学滚动轴承加速寿命试验数据集，与RVM、AR、ARIMA和LSTM四个基准方法进行性能比较。实验结果表明ARULP方法在不同工况下针对轴承外圈故障、内圈故障和保持架故障进行预测时均与轴承实际退化数据最为接近，能够较好地反映故障轴承的退化状态，最终实现对工业物联网设备剩余使用寿命进行高精度地预测。

Attention-based Remaining Useful Lifetime Prediction Method for Industrial Internet of Things