基于改进VMD与BiLSTM的滚动轴承剩余寿命预测模型

为提取能表示滚动轴承寿命退化的深层特征，用变分模态分解算法（Variational Model Decomposition,VMD）分解轴承的横向振动信号。为了解决VMD中需要手动选取惩罚因子α及模态分量数目K的问题，用粒子群优化算法（Particle Swarm Optimization,PSO）对VMD进行了优化，以提取出更能代表寿命变化的特征。在此基础上，将筛选的特征输入到双向长短时记忆（Bi-directional Long Short-Term Memory,BiLSTM）网络中进行剩余使用寿命预测。通过实验并与其他深度模型进行对比，该文提出模型的均方误差等指标均比其他几种模型更低，证明了该文模型在轴承剩余使用寿命预测上的有效性。