基于深度瓶颈特征学习与LSTM网络的轴承退化趋势预测

摘要

针对传统的趋势预测方法大多没有考虑整个轴承运行时间累积和连续变化的影响,并且特征提取方法多为浅层训练方法,难以充分挖掘反映轴承性能变化的有效特征问题.提出了一种基于深度瓶颈特征与长短时记忆网络(LSTM)的轴承性能退化趋势预测方法.通过提取多个统计特征组成原始高维特征集,输入到堆叠自编码网络(SAE)来获得一种深度瓶颈特征,挖掘更利于趋势预测的深层次特征表达.将深度瓶颈特征作为长短时记忆网络的输入,建立轴承性能退化趋势预测模型.轴承加速退化实验验证了该方法在轴承趋势预测上的有效性.