基于多传感器数据与深度学习的橡胶悬架寿命预测方法及系统

本发明公开了一种基于多传感器数据与深度学习的橡胶悬架寿命预测方法，涉及汽车工程技术领域，包括：基于实车道路试验和汽车台架疲劳试验，并通过计算机辅助工程技术进行测试，构建模型样本数据集，进行滤波降噪和数据归一化处理，随机划分为训练集、验证集和测试集；基于格拉姆角场方法进行数据处理，获取彩色二维图像对卷积长短期记忆神经网络模型进行训练；通过在实车上布置的传感器组件，监测汽车实际行驶过程中的悬架数据，采用疲劳损失线性累计法则进行疲劳损伤累积计算，并基于卷积长短期记忆神经网络模型进行预测，获取橡胶悬架的疲劳寿命和损伤积累状态。本发明能够实现对橡胶悬架数据多维度监测，并实现预测汽车橡胶悬架的寿命信息。