一种基于时频分析与深度学习的轴承剩余寿命预测方法

本发明涉及轴承剩余寿命预测领域，具体是一种基于时频分析与深度学习的轴承剩余寿命划分方法，包括以下步骤：S1、数据集的构建；S2、TFM特征数据集构建；S3、HI预测网络的训练；S4、测试集轴承HI预测；S5测试集轴承RUL预测。本发明通过深度学习网络来预测轴承的剩余寿命，然而轴承振动信号信息密度低且轴承健康运行阶段的数据退化特征不明显，因此，首先通过专家知识将轴承的运行状态划分为健康与故障；其次，使用连续小波变换将故障的轴承振动信号变换为时频图像数据；最后，在训练网络中加入注意力机制，为不同的特征信息动态给予不同的权重，实现基于轴承的剩余寿命预测。