报告详情
  1. 活动首页
  2. 报告清单
  3. 报告详情
A multimodal fusion mechanism neural network for ball bearing life prediction
编号：91 访问权限：仅限参会人 更新：2025-11-10 15:14:42 浏览：14次 张贴报告

报告开始：暂无开始时间（Asia/Shanghai）

报告时间：暂无持续时间

所在会场：[暂无会议] [暂无会议段]

演示文件

提示：该报告下的文件权限为仅限参会人，您尚未登录，暂时无法查看。

摘要
该文提出了一种多模态融合神经网络机制（MFMNN），用于滚珠轴承剩余使用寿命（RUL）的预测。通过使用 PHM2012 数据集比较单模态（振动）和多模态（振动和温度）配置的 CNN-LSTM、CNN-BiGRU-Atten 和 MFMNN 模型，我们证明多模态融合将 RMSE 的预测精度提高了 35.7%。MFMNN 的跨模态注意力机制动态加权模态的重要性，以实现自适应特征融合。实验结果证实了 MFMNN 的优越性，MSE=0.0038，为轴承健康管理提供了一种新的方法。
 
关键词
ball bearing life prediction; multimodal fusion mechanism; Neural networks
报告人
Zhanji Fang
学生 广州大学

稿件作者
Zhanji Fang 广州大学
Chunliang Zhang 广州大学
Haiteng Li 广州大学
Maojie Ran 广州大学
Xia Yue Guangzhou university
Shangbin Long 广州大学
发表评论
验证码 看不清楚，更换一张
全部评论
重要日期

  • 会议日期

    11月21日

    2025

    至

    11月23日

    2025

  • 10月20日 2025

    初稿截稿日期

  • 11月23日 2025

    注册截止日期

主办单位
IEEE Instrumentation and Measurement Society
South China University of Technology
承办单位
South China University of Technology
联系方式
登录查看完整联系方式
历届会议
移动端
在手机上打开
小程序
打开微信小程序
客服
扫码或点此咨询