基于数据填充与深度学习的航空轴承故障预测方法

本发明涉及航空设备故障预测与健康管理领域，提供一种基于数据填充与深度学习的航空轴承故障预测方法，其包括：S1、获取航空轴承监测数据；S2、根据航空轴承的高频振动信号得到相应的马氏距离健康指标；S3、基于样本重要度的SMOTE缺失算法填充马氏距离健康指标；S4、填充低频物理信号的缺失数据；S5、构建多维时间序列数据集；S6、构建CNN‑LSTM故障预测模型；S7、基于CNN‑LSTM模型的故障预测。本发明有效解决了航空轴承由于工况等限制的非完整退化数据下的特征提取与填充难题，提升了故障预测的精度，具有广泛工程适用性，为航空设备健康管理提供了可靠技术支撑。