基于双输入深度卷积神经网络的风力机轴承RUL预测

针对轴承剩余寿命预测中常用健康指标泛化性不足的问题，提出一种基于双输入深度卷积神经网络的轴承剩余寿命预测模型。首先使用自适应最大相关峭度解卷积方法处理轴承信号并采用特征融合手段得到信号的时间序列特征；然后，将信号的时频图和时间序列特征同时作为模型的输入，通过已建立的双输入深度卷积神经网络模型来预测轴承健康因子；最后使用门控循环单元网络与健康因子相结合的方法来预测轴承的剩余使用寿命。在公开的西安交通大学公布的XJTU轴承数据集上对所提方法进行验证，并在风力机高速轴轴承历史监测数据上进行应用。试验结果表明：该方法不但显著提升了健康因子的泛化性能，还在预测精度方面有优异表现。