来源：期刊VIP网 时间：
作者：韩允童;王靖岳;侯兴达;丁建明;
单位：沈阳理工大学汽车与交通学院;西南交通大学轨道交通运载系统全国重点实验室;
摘要：【目的】针对传统卷积神经网络（Convolutional Neural Network, CNN）-长短期记忆（Long Short-Term Memory,LSTM）网络模型参数调整复杂、预测精度受限的问题，提出一种改进的剩余寿命预测方法，旨在提升在役滚动轴承寿命预测的准确性与稳定性。【方法】首先，融合黄金正弦策略来改进麻雀搜索算法（Golden Sparrow Search Algorithm,GSSA），以增强其全局与局部搜索能力，实现对CNN-LSTM关键参数的自适应优化；其次，构建基于相关性、单调性和鲁棒性的特征筛选体系，筛选出高敏感性退化特征；最后，利用PHM2012轴承数据集，建立GSSA-CNN-LSTM预测模型，通过对比反向传播（Back Propagation, BP）神经网络与CNN-LSTM模型验证其有效性。【结果】结果表明，所提GSSACNN-LSTM模型在均方根误差、平均绝对误差与均方误差上，较BP神经网络与CNN-LSTM模型分别降低了67.61%、83.71%、80.89%与61.18%、78.78%、51.02%，确定系数更接近1，显著提升了预测精度与鲁棒性。
关键词：滚动轴承;;黄金正弦策略;;麻雀搜索算法;;剩余寿命预测;;优化
基金资助：轨道交通运载系统全国重点实验室开放基金项目（TPL2310）;; 辽宁省“百千万人才工程”经费项目（2020921031）~~
