基于深层网络驱动的状态空间模型的轴承退化预测方法

本发明公开了基于深层网络驱动的状态空间模型的轴承退化预测方法，属于设备故障预测技术领域。本发明利用混合模型的优势，将状态空间模型对退化数据动态建模优势与深度神经网络高效处理非线性问题优势相结合，构建一个轴承退化预测模型；在状态空间模型框架下，使用双向长短期记忆网络(BiLSTM)作为状态更新模块捕捉数据中的长期依赖信息；变分自编码器作为退化指标更新模块实现数据压缩与特征学习，捕捉退化敏感特征；将深度学习的表征能力与状态空间模型的概率推理相结合，使状态空间模型从传统的线性结构向深度概率模型框架转变；能够更深入的挖掘数据中的潜在退化信息，捕捉轴承退化过程中的非线性特征，进而提高轴承退化预测精度。