一种基于SSA与多模型融合的轴承剩余使用寿命预测方法及其系统

本发明属于轴承寿命预测与状态评估技术领域，具体涉及一种基于SSA分解与多模型融合的轴承剩余使用寿命(RUL)区间预测方法。该方法以轴承振动信号为基础，首先对原始数据进行预处理，通过扩散模型前向过程引入不同程度的噪声增强数据多样性，并在反向过程中利用U‑Net网络逐步去噪恢复原始信号。随后，采用奇异谱分析(SSA)算法对增强后的信号进行分解，提取出趋势项与周期项等关键特征序列，滤除噪声成分。将去噪后的有效分量分别输入至Pyraformer与TCN(时间卷积网络)模型中进行深度特征提取与时序建模，充分利用Pyraformer的全局建模能力和TCN的局部依赖捕捉能力。最后，采用贝叶斯推断机制对两个模型输出结果进行区间融合预测，生成轴承剩余寿命的置信区间，从而实现对轴承运行状态的高鲁棒性、多尺度、可量化预测。本发明方法融合了信号增强、时频分解、深度建模与不确定性估计，具有预测精度高、抗噪能力强、可解释性好等优点，适用于复杂工况下工业设备健康管理与智能维护场景。