摘要： 为提高齿轮剩余寿命预测的准确率，提出一种基于变分自编码器(Variational Auto-encoder，VAE)与根据改进非洲秃鹫优化算法(Improved African Vulture Optimization Algorithm，IAVOA)优化长短期记忆(Long Short-term Memory，LSTM) 神经网络的齿轮剩余寿命预测方法。该方法先将原始信号通过VAE降噪滤波，平稳化信号特征。针对AVOA算法中初始种群分布不均的问题，引入Sobol 序列来提高种群初始化的随机性；针对算法收敛慢的问题，引入指数变换策略以提高模型的收敛速度；针对易陷入局部最优，全局寻优时间长的问题，引入柯西变异扰动来提高避免陷入局部最优的能力。采用IAVOA对LSTM模型参数进行寻优，以获得最佳IAVOA-LSTM预测模型。通过对齿轮全寿命周期振动信号的分析验证了采用所提方法预测齿轮剩余寿命的有效性和优越性。

关键词: 故障诊断, 寿命预测, 变分自编码器, 非洲秃鹫优化算法, 长短期记忆神经网络