滚动轴承的退化特征信息融合与剩余寿命预测

摘要

针对滚动轴承剩余寿命预测的需求，提出一种基于稀疏自编码器(SAE)和双向长短期记忆网络(BiLSTM)的预测模型。以滚动轴承全寿命振动数据为研究对象，通过构建反双曲变换的状态退化指标和频域谐波退化因子形成退化指标集，并利用SAE特征融合提取关键特征，消除冗余信息。同时，结合BiLSTM模型捕捉时序特征，实现全周期寿命预测。实验结果表明，所提模型优于支持向量回归、极限学习机、卷积神经网络等模型，预测误差更小，泛化能力更强。

关键词

稀疏自编码器特征融合 / 双向长短期记忆网络预测模型 / 滚动轴承 / 反双曲特征指标 / 频域谐波退化因子