摘要
对滚动轴承的剩余使用寿命（RUL）进行准确预测对于基于状态的维护至关重要，因为轴承的服务性能下降主要由滚动元件与滚道接触面的渐进性疲劳引起，而振动信号虽然能够反映这种下降，但并非其物理原因。然而，可靠的RUL预测仍然具有挑战性，因为振动测量数据存在噪声、非线性、受使用条件影响，并且对运行条件的变化非常敏感。在这项研究中，我们开发了一个基于健康指标的时间注意力框架，利用公开的滚动轴承从运行到失效的振动数据集来进行RUL预测。该工作的创新之处在于将与退化一致的健康指标构建、滑动窗口生命周期表示以及健康指标引导的时间注意力整合到一个统一且易于解释的预测框架中。首先，提取了与退化相关的振动特征，并将其融合成一个紧凑的健康指标（HI），以反映退化的渐进趋势。然后，生成滑动窗口序列，并通过基于Transformer的时间注意力网络进行处理，该网络能够捕捉到长期的时间依赖性，并对接近退化阶段转变和寿命末期的关键部分赋予更高的权重。在XJTU-SY和IMS数据集上的实验表明，所提出的方法提高了预测的稳定性，减少了寿命末期的误差放大，并且性能优于没有使用健康指标或时间注意力的基线方法。消融分析证实，健康指标的构建减轻了跨阶段的漂移现象，而时间注意力则增强了在加速退化过程中的敏感性。鲁棒性和跨领域测试进一步表明，该方法在噪声干扰和运行条件变化的情况下仍能保持良好的退化跟踪性能，尽管对于目标领域发生显著变化的情况，仍需要明确的领域适应机制。
