摘要： 在机械设备典型转动部件智能诊断与剩余寿命预测中，针对多变量时序输入的神经网络泛化能力差、特征域不匹配的问题，提出可解释小波网络的多变量混合监督剩余寿命预测方法。首先，构建小波卷积模块，将Morlet 小波初始化一维卷积权重作为预训练方法，得到具有可解释性的自适应小波时频特征；其次，提出多变量混合监督策略，对多变量数据应用通道独立参数共享的特征提取方法，通过自监督学习分支约束小波卷积权重，学习退化与剩余寿命的定量特征；最后，通过全寿命实验数据集进行对比实验与消融实验。实验结果表明，相比典型模型，可解释小波网络的多变量混合监督剩余寿命预测方法对多变量数据有较好的剩余寿命预测效果。

关键词: 故障诊断, 剩余寿命预测, 多变量, Morlet小波, 小波重构, 混合监督