滚动轴承寿命预测的WOA-VMD-BiLSTM模型研究

摘要

为快速、全面地提取轴承的退化特征，提升轴承的剩余使用寿命(remaining useful life, RUL)预测精度，提出一种结合代表性样本和鲸鱼优化算法(whale optimization algorithm, WOA)的变分模态分解(variational mode decomposition, VMD)优化方法。将其应用于双向长短期记忆(bi-directional long short-term memory, BiLSTM)神经网络模型，形成WOA-VMD-BiLSTM模型，进行滚动轴承RUL预测。基于IEEE PHM 2012数据集进行预测模型有效性验证，对比包括EEMD-AFP-FSBLformer在内的6种预测模型。结果表明，该预测模型均方误差低于4%,所提方法显著提升了预测精度和数值稳定性。

关键词

滚动轴承 / RUL预测 / 代表性样本 / 鲸鱼优化算法 / 变分模态分解 / 双向长短期记忆网络