一种基于迁移学习的风电滚动轴承剩余寿命预测方法

本发明公开了一种基于迁移学习的风电滚动轴承剩余寿命预测方法。该方法首先利用包络解调算法处理振动加速度信号，筛选单调性良好的解调特征构建轴承健康指标。接着，通过最小距离样本配对算法，将目标域退化样本与源域全寿命样本配对。然后，构建深度卷积迁移神经网络，利用配对样本学习特征提取与映射，实现轴承健康状态估计。最后，拟合状态估计结果并结合失效阈值预测剩余寿命。本发明的有益效果在于：提出了有效的健康指标构建方法，设计了精准的样本配对算法，并建立了高性能的状态估计模型，显著提高了风电轴承剩余寿命的预测精度。