1.一种基于kpca-lstm的机械设备剩余使用寿命预测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于kpca-lstm的机械设备剩余使用寿命预测方法,其特征在于,还包括:通过小波降噪和异常值剔除完成多传感器退化数据的初步筛选。
3.根据权利要求1所述的一种基于kpca-lstm的机械设备剩余使用寿命预测方法,其特征在于,所述k-means聚类包括以下步骤:
4.根据权利要求1所述的一种基于kpca-lstm的机械设备剩余使用寿命预测方法,其特征在于,所述z-score标准化处理如下式所示:
5.根据权利要求1所述的一种基于kpca-lstm的机械设备剩余使用寿命预测方法,其特征在于,所述将退化趋势明显传感器信息进行核主成分分析,包括以下步骤:
6.根据权利要求1所述的一种基于kpca-lstm的机械设备剩余使用寿命预测方法,其特征在于,所述将融合后的数据进行归一化处理,如下式所示:
7.根据权利要求1所述的一种基于kpca-lstm的机械设备剩余使用寿命预测方法,其特征在于,所述lstm模型为循环网络的改进网络模型,包括三个门结构,分别为输入门、遗忘门以及输出门;
8.根据权利要求7所述的一种基于kpca-lstm的机械设备剩余使用寿命预测方法,其特征在于,还包括: