基于IPVMD-LSTM的货车弹性旁承剩余寿命预测模型研究

摘要

弹性旁承在复杂工况环境中运行，信息具有非线性和不稳定性，并通常带有噪声干扰，为了提高弹性旁承剩余寿命预测的准确性，研究提出了一种基于改进变分模态分解算法与长短期记忆人工神经网络相结合的弹性旁承剩余寿命预测模型。该模型采用变分模态分解处理信号，然后利用长短期记忆网络建立预测模型。实验结果表明，在数据集尺寸达到400左右时，模型的性能基本趋于稳定，达到收敛。在数据集尺寸为1 000时，所提出模型的剩余寿命预测准确率为0.97,均方根误差值为0.06。研究结果表明，所提出的模型能更好地捕捉数据中的长短期依赖关系，准确预测弹性旁承的剩余寿命，在处理非线性、非平稳信号方面表现出色，为实际应用提供可靠的技术支持。

关键词

变分模态分解模型 / 长短期记忆网络 / 弹性旁承 / 寿命预测 / 粒子群优化算法