基于GWO-BiLSTM的电磁继电器寿命预测方法

针对目前继电器寿命预测没有充分利用其退化过程前后状态之间联系、实时性不足的问题，本发明提出一种基于GWO‑BiLSTM的电磁继电器寿命预测方法。首先，通过继电器加速退化试验平台获取电磁继电器的全生命周期数据；然后，对数据进行预处理和特征筛选，选择与继电器通断次数相关度较高的特征参数作为预测模型的输入；最后，将预测值和真实值的均方误差作为GWO算法的适应度函数，优化BiLSTM模型的隐含层神经元个数、dropout率和初始学习率，利用得到的最优超参数组合训练预测模型，输出电磁继电器寿命的预测结果。实例验证表明，相比传统的BP神经网络模型等，GWO‑BiLSTM模型的RMSE和MAPE分别平均下降56.7％和58.2％，说明该模型能够有效提高电磁继电器的寿命预测精度。