一种基于持续学习的滚动轴承数字孪生动态演化方法和系统

本发明提供了一种基于持续学习的滚动轴承数字孪生动态演化方法和系统，属于轴承寿命预测技术领域。方法包括：通过短时傅里叶变换处理轴承监测信号生成标准化时频数据；基于指数退化函数构建健康指标并划分健康等级；采用扩展LSTM网络以时频数据为输入训练寿命预测模型；通过固定时间窗口采集实时数据预测寿命，当预测值与实际值的均方根误差超限时，触发边缘设备上传新数据；结合费舍尔信息矩阵评估参数重要性，动态调整正则化强度更新模型；实时监测数据标准差，超限即触发停机，否则通过更新模型预测剩余寿命，达到阈值时停机。本发明通过持续学习实现数字孪生模型动态演化，有效提升了工业设备状态监测与预测性维护能力。