【作者】

王海飞; 孙傲童; 沈义涛

【单位】

中电华创（苏州）电力技术研究有限公司; 哈尔滨工业大学（威海）汽车工程学院

【摘要】

机器运行时，将润滑油的状态进行监测对其正常运转和寿命至关重要。在复杂的工业环境下，分析和预测润滑油传感器数据是一个具有挑战性的任务。为此，本文提出了一种基于Bi-LSTM和注意力机制的润滑油数据分析模型。该模型通过Bi-LSTM捕捉长期依赖关系，结合注意力机制进行精确关注度分配，构建了特征处理和时间序列预测模块。预处理工作包括数据清洗、归一化和划分以保证质量和可用性。Bi-LSTM用于构建时间序列预测模块，学习并准确预测时序特征。注意力机制提高了预测精度，根据不同时间步的重要性分配权重。实验选用“道达尔46”油品监测数据，以运动粘度为预测目标，其他指标作为输入特征。结果显示，本文模型在测试集上的RMSE和MAE明显优于其他模型，有效地准确预测了润滑油的运动粘度，表现出高准确性和稳定性。本文模型为润滑油监测数据的分析提供了有力支持, 有望在工业实践中广泛应用。

【关键词】

润滑油;长短期记忆网络;自注意力机制;运动粘度预测

【论文集名称】

混合动力及先进汽油机

【会议名称】

2023交通能源与智能动力大会

【会议时间】

2023-11-10至2023-11-12

【会议地点】

天津

【下载次数】

9

返回