基于嵌入特征差异和双支神经网络融合的轴承剩余寿命预测算法

本发明公开了一种基于嵌入特征差异和双支神经网络融合的轴承剩余寿命预测算法，包括：基于嵌入特征的差异性，搭建了一种新的轴承健康指标构建和寿命预测方法；在健康指标构建阶段，通过训练自动编码器和嵌入网络，提取振动信号样本的编码特征和嵌入特征；将特征之间的差异度作为监测轴承状态的健康指标，根据3σ原则确定首次预测时间，通过特征相减得到包含轴承抽象和高级退化信息的差异特征；在剩余寿命预测阶段，采用双支路神经网络结构分别提取不同尺度的退化特征表示，并在特征层将退化信息融合，随后输入回归层来预测轴承剩余寿命。本发明所提算法可实现较高的RUL预测精度。