[发明专利]基于LSTM的电动汽车减速器剩余使用寿命预测方法

权利要求书

1.一种基于LSTM的电动汽车减速器剩余使用寿命预测方法，其特征在于，所述方法包括以下步骤：

S1：电动汽车减速器退化特征数据集构建，过程如下：收集电动汽车减速器从开始使用到发生故障的全生命周期振动数据，然后在时域、频域、时频域中进行相关特征参数提取；

S2：退化特征数据集预处理，过程如下：

S21：对所有输入预测模型的退化特征数据集用公式进行归一化，将数据压缩在[0，1]之间；

S22:设定步长，将退化特征数据集划分为训练集和测试集，将训练数据作为整个网络模型的输入；

S3：将退化起始时刻到减速器失效的时间作为剩余寿命时间，并将剩余寿命时间归一化到(0,1)之间作为LSTM训练标签；

S4：构建LSTM深度学习网络；

S5:通过训练集训练所述LSTM深度学习网络；通过预测集验证所述LSTM深度学习网络。

2.如权利要求1所述的一种基于LSTM的电动汽车减速器剩余使用寿命预测方法，其特征在于，在所述步骤S1中，提取的电动汽车减速器信号特征包括时域中的均方根值、标准差、方差；频域中的均方根值、平均频率、重心频率；时频域中的小波包第4频带能量谱、小波包第6频带能量谱、EMD第1分量能量谱。

3.如权利要求1或2所述的一种基于LSTM的电动汽车减速器剩余使用寿命预测方法，其特征在于，在所述步骤S1中，所述时频域方法之一为小波变换，其定义为：

其中，a为尺度因子，控制小波函数的伸缩，τ为时间平移因子,控制小波函数的平移。

4.如权利要求1或2所述的一种基于LSTM的电动汽车减速器剩余使用寿命预测方法，其特征在于，在所述步骤S1中，所述时频域方法之一为EMD，其定义为：

式中，x(t)为原信号，c_i(t)为分解得到的IMF分量，r_n(t)为残余项。

5.如权利要求1或2所述的一种基于LSTM的电动汽车减速器剩余使用寿命预测方法，其特征在于，在所述S21中，所述归一化模型其定义为：

式中，x_i,j表示第i个特征量的第j个数据点，X_i^max和X_i^min表示第i个特征量的最大值和最小值；X_i,j^norm表示对x_i,j归一化后的值。

6.如权利要求1或2所述的一种基于LSTM的电动汽车减速器剩余使用寿命预测方法，其特征在于，在所述S22中，所述设定的步长范围为20-50。

7.如权利要求1或2所述的一种基于LSTM的电动汽车减速器剩余使用寿命预测方法，其特征在于，在所述步骤S4中，所述LSTM神经网络包括一层输入层、一层网络层、一层隐藏层和一层输出层。

8.如权利要求1或2所述的一种基于LSTM的电动汽车减速器剩余使用寿命预测方法，其特征在于，在所述步骤S4中，构建LSTM神经网络包括：定义模型结构、选择loss函数及优化器。