噪声与振动控制

噪声与振动控制 ›› 2026, Vol. 46 ›› Issue (3): 177-182.

• 信号处理与故障诊断 • 上一篇    下一篇

基于CAE-TDA-BiLSTMAm的轴承剩余寿命预测

张远亮1，倪天极2，张立民3   

  1. ( 1. 四川城市职业学院智能制造与交通学院，成都610110；
    2. 西安交通大学电气工程学院，西安710049；
    3. 西南交通大学轨道交通运载系统全国重点实验室，成都610031 )

  • 收稿日期:2025-01-02 修回日期:2025-02-12 出版日期:2026-06-18 发布日期:2026-06-10

Residual Life Prediction of Bearings Based on CAE-TDA-BiLSTMAm

  • Received:2025-01-02 Revised:2025-02-12 Online:2026-06-18 Published:2026-06-10

PDF

摘要： 预测轴承剩余寿命时，为充分考虑退化特征所包含的局部信息和全局拓扑结构信息，进一步提升预测精度，提出一种基于CAE-TDA-BiLSTMAm的轴承剩余寿命预测方法。首先，分别使用卷积自编码(Convolutional Auto-Encode，CAE)和拓扑数据分析方法(Topological Data Analysis，TDA) 提取轴承频域信号特征；其次，将CAE和TDA所提取的特征进行特征融合，作为后续预测模型的输入；最后对双向长短期记忆网络(Bidirectional Long Short-Term Memory，BiLSTM)进行改进，引入注意力机制层(Attention Mechanism，AM)，搭建BiLSTMAm预测模型，该模型能够自适应调配权值，赋权给关键特征，进而提升预测效果。利用PHM2012 公开数据集进行实验，实验结果显示，相比于CAE-BiLSTMAm、TDA-BiLSTMAm、CNN-LSTM方法，所提CAE-TDA-BiLSTMAm模型的预测精度有一定提升，预测效果也更好，并对于不同的工况具有较好的泛化性。

关键词: 寿命预测, 轴承, 拓扑结构信息, 长短期记忆网络, 卷积自编码