一种基于数字孪生和LSTM网络的轴承寿命预测方法

一种基于数字孪生与LSTM网络的轴承寿命预测方法，首先建立滚动轴承生命周期的数字孪生模型，轴承退化阶段分为稳定阶段，缺陷开始阶段，缺陷扩展阶段和破坏阶段；对实际数据和孪生数据进行预处理，接着引入自定义损失函数平衡孪生数据和真实数据的的比例，最后将混合后的数据输入到TwinLSTM‑TPA模型；使用1D‑CNN从LSTM输出的隐藏状态中提取时间特征矩阵，并通过TPA机制增强模型对关键时间特征的记忆和识别能力，最后将提取的综合特征进一步映射为轴承寿命的预测值。本发明增强了预测结果的稳定性和适应性。能够在复杂的工况下提供更精确的轴承寿命预测。