基于空洞CNN和LSTM的滚动轴承剩余使用寿命预测

针对滚动轴承剩余使用寿命预测方法中出现的退化阶段起始点识别困难和退化特征难以提取的问题，提出了一种基于空洞卷积神经网络(Convolutional Neural Network, CNN)和长短时记忆(Long and Short-Term Memory, LSTM)网络的滚动轴承剩余使用寿命预测方法。首先，对归一化幅值后的滚动轴承数据集构建了二次函数退化标签，避免滚动轴承退化阶段起始点的识别。其次，采用空洞CNN提取滚动轴承的退化特征，将提取的退化特征输入到LSTM网络中进行学习，并通过全连接层来进行退化特征到剩余使用寿命标签的映射，从而实现滚动轴承的剩余使用寿命预测。最后，通过PHM2012滚动轴承数据集对所提出的滚动轴承剩余使用寿命预测方法的有效性进行了验证。试验结果表明，所提方法具有较好的预测效果。