基于多任务半监督学习的齿轮箱剩余使用寿命预测方法及系统

本发明属于但不限于齿轮箱剩余使用寿命预测技术领域，公开了一种基于多任务半监督学习的齿轮箱剩余使用寿命预测方法，首先利用经验模态分解技术对预处理后的振动信号进行分解重构，提取敏感特征，然后利用核主成分分析技术对敏感特征进行降维，将降维结果作为齿轮箱健康指标，之后再基于隐马尔可夫模型和维比特算法来划分齿轮箱的退化阶段。使用全寿命周期齿轮箱数据得到剩余使用寿命预测模型训练集。构建及训练多任务半监督剩余使用寿命预测模型，最终通过多次迭代预测实现齿轮箱剩余使用寿命预测。本发明将多任务学习和半监督学习融合应用于齿轮箱剩余使用寿命预测，可取得更高的预测精度。