基于改进LSTM的滚动轴承性能退化趋势预测

摘要

针对传统LSTM方法不能合理利用在线数据的问题,提出了参数实时更新的改进LSTM方法并建立了有效的退化趋势预测模型。首先,依据获取的历史资料离线生成LSTM预测模型;然后,在采集在线观测数据时用已有模型前向计算方式得到预测值;最后,将新增的观测数据做为前一个采样阶段时刻的真实值,将预测值与真实值之间的偏差累积到一个整体的误差中并使用误差最小化计算方法不断地修正和更新模型参数。试验结果表明,改进LSTM方法可以准确、高效地对小样本数据的轴承退化趋势进行预测,预测准确度和模型训练时间比传统的BPNN,SVR,LSTM方法更具优越性。