基于LSTM-ES-RVM的滚动轴承剩余寿命预测方法

为解决滚动轴承在寿命预测时精度不高，且性能退化趋势及波动范围难以预测等问题，提出了基于LSTM-ES-RVM的滚动轴承剩余寿命预测方法。在无先验知识或人工经验的干扰下，利用长短期记忆（Long Short-Term Memory,LSTM）网络直接对频率数据进行特征提取，构建退化过程的初步健康指标（Health Indicator,HI）；为了消除HI曲线的局部剧烈振荡，提出了带斜率的极端拐点（Extreme Inflection Point with a Slope,ES）模型改善其整体单调性；使用相关向量机（Relevance Vector Machine,RVM）模型对HI曲线进行趋势预测，实现了滚动轴承的剩余寿命（Remaining Useful Life,RUL）预测。实验结果表明，所提方法相较于对比方法具有较好的预测精度。