摘要
本发明涉及隔离器寿命预测技术领域，公开了基于深度学习的隔离器剩余使用寿命预测方法。该方法采集隔离器运行时的振动信号与温度信号，构建多维传感器序列；划分出包含固定时间窗口的多个子序列单元；提取各子序列单元的时域与频域特征，生成融合特征向量；计算该向量中关键指标的统计分布特性与变化趋势特性，输出健康状态指数；通过包含注意力机制的双向循环神经网络模型，以健康状态指数和历史退化数据为输入，经多层残差连接处理时序依赖关系，生成剩余使用寿命预测值；根据实时传感器信号更新多维传感器序列，动态修正预测值。本方法综合多维度数据，深度挖掘退化特征，可提升隔离器剩余使用寿命预测的精准性与适应性。
