基于CNN和LSTM的风机轴承剩余寿命预测方法研究

为了建立能够精准描述风机轴承退化过程的退化特征趋势性量化指标,提高风机轴承剩余使用寿命(RUL)的预测精度,提出了一种结合卷积神经网络(CNN)和长短期记忆(LSTM)的神经网络模型(CNN-LSTM),用于风机轴承剩余寿命(RUL)的预测。首先,利用卷积神经网络进行深层特征挖掘,获取具有单调性和时序趋势性的退化特征;然后,将退化特征向量归一化处理后作为LSTM模型的输入,并利用LSTM自适应提取退化特征时序上的内部相关性构建趋势性退化特征指标并得到退化曲线;最后,确定失效阈值,利用最小二乘法拟合退化曲线,预测寿命失效点,实现滚动轴承的RUL预测。