一种具有物理可解释的滚动轴承振动数据智能生成方法及系统

本发明涉及一种具有物理可解释的滚动轴承振动数据智能生成方法及系统，建立滚动轴承的运动过程对应的等效动力学模型，获取故障阶段和退化阶段小样本的实测数据，作为基于多域联合损失表示的多层感知器神经网络的输入，得出在故障阶段所需要与实际参数相似的计算参数以及在退化阶段中各参数序列，在退化阶段中使用用门控循环单元神经网络与单步迭代预测法对所得的各参数序列进行未来的发展预测，得到各参数的预测序列；将故障阶段所得的计算参数与退化阶段中得到的预测序列参数输入到动力学表达式中，生成具有物理解释性的振动数据。使用该方法生成的振动数据在时域和频域上与实际数据相似，并且二者的数据属性相符合，具有明确的物理意义。