一种基于数据特征优化和深度学习的轴承寿命预测方法

本发明公开了一种基于数据特征优化和深度学习的轴承寿命预测方法，通过采集轴承在不同状态下的振动信号，使用MEMD‑DisEn对信号进行处理，将其分解为本征模态函数，以揭示轴承故障的特征；利用WGAN‑GP策略扩充故障样本数据，以提升模型对异常样本的处理能力，并增强预测的准确性；应用TimeKAN模型分析增强后的数据，处理大规模时间序列数据，捕捉数据中的长期依赖关系，准确预测轴承的剩余使用寿命；对逃离优化算法进行改进，通过改进的逃离优化算法对TimeKAN模型的超参数进行优化，以提高模型的区分能力和响应速度。本发明能够有效提高预测的准确性和鲁棒性，对于机械设备的维护和安全生产具有重要意义。