一种长时间序列下双分支特征提取的轴承寿命预测方法

本发明提出一种长时间序列下双分支特征提取的轴承寿命预测方法，涉及机械故障诊断与人工智能技术领域。方法包括：采集多感器振动信号进行归一化处理，并通过Transformer网络实现多源信息融合。随后，构建由Bi‑TCN与Bi‑ILSTM组成的并行双分支特征提取网络；其中，Bi‑TCN从前后两个方向挖掘振动信号中的长时序依赖关系，提升对未来信息的利用能力；Bi‑ILSTM学习时间序列中的动态变化，捕捉长期演化趋势。同时，设计了一种特征融合稀疏注意力机制，依据网络输出权重实现特征的加权融合。最终，通过全连接层输出轴承的RUL预测结果。本发明在PHM2012数据集上进行实验验证，结果表明本方法在轴承RUL预测任务中具备更高的准确性与更低的误差，展现出更优的预测性能和泛化能力。