PHM数据集轴承寿命预测！Transformer-GRU轴承寿命预测MATLAB代码实现

1. PHM轴承数据集背景

IEEE PHM 2012轴承数据集是由法国FEMTO-ST研究所提供的经典轴承故障预测与健康管理数据集。该数据集在恒定转速(1800rpm)和负载(4000N)条件下，记录了多个轴承从正常运行到完全失效的全寿命周期振动数据，采样频率为25.6kHz，每10秒采集一次数据。

2. 代码主要功能

该代码实现了一个完整的轴承剩余寿命(RUL)预测系统：

• 数据预处理：读取多组轴承振动数据并进行重组
• 特征提取：通过FFT将时域信号转换为频域特征
• 深度学习建模：构建并行Transformer-GRU混合网络
• 寿命预测：预测轴承健康指标并进行剩余寿命估计
• 结果可视化：展示预测结果和特征分布

3. 算法步骤

步骤1：数据读取

1. 分别读取Bearing1_1、1_2(训练集)和Bearing1_3、1_4(测试集)
2. 提取水平振动信号(第5列)
3. 每2560个点划分为一个样本
4. 保存处理后的数据

步骤2：FFT特征提取

1. 对每个样本进行快速傅里叶变换
2. 计算频域幅值谱
3. 提取频域特征

步骤3：并行Transformer-GRU建模

1. 数据归一化和序列化处理
2. 构建混合网络架构
3. 模型训练与预测
4. 结果后处理与可视化

4. 技术路线

振动信号 → 数据分段 → FFT频域变换 → 并行Transformer-GRU网络 → 健康指标预测 → 多项式拟合 → 剩余寿命估计

5. 公式原理

FFT变换：

$$X(k)={\Sigma }_{n=0}^{N-1}x(n)e^{-j2\pi kn/N}$$
$$ff{t}_{x}x=abs(fft(X1(i,:)))$$

Transformer自注意力机制：

$$Attention(Q,K,V)=softmax(Q{K}^T/\surd d_k)V$$

GRU门控机制：

$$更新门：z_t=\sigma (W_z\cdot [h_{t-1},x_t])$$
$$重置门：r_t=\sigma (W_r\cdot [h_{t-1},x_t])$$
$$候选状态：{\tilde{h}}_t=tanh(W\cdot [r_t\odot h_{t-1},x_t])$$
$$最终状态：h_t=(1-z_t)\odot h_{t-1}+z_t\odot {\tilde{h}}_t$$

6. 参数设定

网络结构参数：

numChannels = 2560      % 输入通道数(FFT特征维度)
maxPosition = 256       % 位置编码最大长度
numHeads = 4            % 注意力头数
numKeyChannels = 128    % 键通道数(32×4)
GRU单元数 = 80          % GRU隐藏层维度
全连接层 = 30 → 1       % 输出健康指标

训练参数：

maxEpochs = 30          % 最大训练轮数
miniBatchSize = 64      % 批处理大小
learningRate = 0.0001   % 学习率
optimizer = 'adam'      % 优化器

数据参数：

采样频率 fs = 25600 Hz
样本长度 L = 2560 points
每组持续时间 = 0.1秒
采样间隔 = 10秒

7. 运行环境

• 软件平台: MATLAB2024b
• 必要工具箱:
  • Deep Learning Toolbox
  • Signal Processing Toolbox
  • Statistics and Machine Learning Toolbox

往期回顾
未发表，三大创新！特征提取+编码器+集成学习！OCSSA-VMD-Transformer-Adaboost轴承故障诊断
未发表！OCSSA-VMD-Transformer-SVM特征提取+组合模型轴承故障诊断
未发表！OCSSA-VMD-Transformer-GRU特征提取+组合模型轴承故障诊断
未发表！OCSSA-VMD-Transformer-BiLSTM特征提取+组合模型轴承故障诊断
未发表！OCSSA-VMD-Transformer-LSTM特征提取+组合模型轴承故障诊断
未发表，高水平论文首选！特征提取+编码器！OCSSA-VMD-Transformer轴承故障诊断
一种基于CEEMDAN-小波阈值联合降噪-快速谱峭度(FSK)/基尼谱Ginigram/Autogram的故障诊断 Matlab
分类预测/故障诊断发文必备！Matlab分类预测大合集，已更新共计52个模型，新增5个故障诊断分类模型！
AOA-VMD-GRU故障诊断分类预测，阿基米德算法优化变分模态分解结合门控循环单元，Matlab代码
四重创新！格拉姆角场+卷积网络+麻雀算法+最小二乘支持向量机！GAF-CNN-SSA-LSSVM故障诊断（Matlab）
经典组合！LSTM-SVM组合模型多特征分类预测/故障诊断（Matlab代码实现）
未发表，高水平论文首选！特征提取+图卷积神经网络！SABO-VMD-GCN轴承故障诊断