基于DTW相似度和Bi-LSTM的滚动轴承寿命预测

来源：机床与液压杂志2022年第22期北京时间：

作者：周建清，朱文昌，王恒

单位：常州市高级职业技术学校电气工程学院；南通大学机械工程学院；南通大学机械工程学院

摘要：针对现有的滚动轴承退化指标单调性差，对轴承异常不敏感导致基于数据驱动的深度学习算法难以实现轴承寿命准确预测的问题，提出一种基于动态时间规整算法(DTW)和双向长短期记忆神经网络(Bi-LSTM)的滚动轴承剩余寿命预测算法。利用信息熵提取滚动轴承的退化特征，构造连续的时间序列；划分时间序列并构造出参考模板及测试模板，采用DTW算法计算模板间的相似度，将它作为健康指标表征轴承的退化程度；用健康指标训练Bi-LSTM网络并预测轴承的寿命。采用法国IEEE PHM 2012的全寿命数据进行研究,结果表明：经过DTW算法优化信息熵指标后所构造的健康指标可更好地反映轴承的退化过程；当进行寿命预测并保持预测算法不变时，经过优化后的指标较优化前相比，能明显提高轴承寿命预测的准确度。

关键词：滚动轴承;剩余寿命预测;动态时间规整;相似度;双向长短期记忆神经网络

基金资助：国家自然科学基金青年科学基金项目(51405246)；南通市基础科学研究项目(JC2021023)