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：