基于CDBN与BiLSTM的多元退化设备剩余寿命预测

基于多传感器对复杂工业设备的多元健康状态进行监测，进而实现设备更全面准确的性能评估、剩余寿命预测与健康管理已逐渐推广应用。针对一类监测数据呈现大规模、非线性、高维化等特点的多元退化设备，提出了一种基于连续深度置信网络(CDBN)与双向长短期记忆(BiLSTM)网络的剩余寿命预测方法。首先，通过CDBN对监测到的性能退化数据进行分析，提取出反映多元退化设备隐含深层次特征的健康指标；然后，根据构造的健康指标，利用BiLSTM网络挖掘其时序信息和退化趋势，预测多元退化设备的剩余寿命；最后，利用蒙特卡洛仿真技术得到剩余寿命的区间估计，并通过商用模块化航空推进系统数据集验证所提方法的有效性和先进性。结果表明：所提方法能够有效提高此类设备的剩余寿命预测准确度，具有潜在的应用价值。