1.一种基于VMD‑SSA‑LSTM的滚动轴承剩余使用寿命预测方法，其特征在于包括以下步骤：步骤1、初始化VMD的分解模态数k和惩罚因子α的取值范围分别是[kmin，kmax]和[αmin，αmax]，对原始振动信号进行VMD，得到k层IMF分量；

步骤2、根据滚动轴承的各种故障类型的故障特征频率计算公式表，计算滚动轴承各种故障特征频率；

步骤3、计算k层IMF分量故障特征频域处的Lp/Lq范数F(i)L∞/L1；

步骤4、将整个特征频域段所包含的M个故障特征频率估计值f(i)的L∞/L1范数相加构造出IMF分量的L∞/L1范数；

步骤5、比较[kmin，kmax]和[αmin，αmax]范围内不同k和α取值得到的ff大小，并记录最大ff的对应k和α的取值(kbest，αbest)；

步骤6、对原始振动信号再次进行VMD，k和α的值取为(kbest，αbest)，得到kbest个IMF分量；

步骤7、对IMF信号进行重构，计算信号分解得到的kbest个IMF分量的平方包络谱和Hausdorff距离，得到HD矩阵：步骤8、将计算得到的各IMF分量的L∞/L1范数FSL∞/L1构造成FS向量，将HD矩阵与FS向量相乘，计算向量HFS中所有元素之和，计算得到各IMF量的重构因子r，最终用IMF的分量乘以重构因子r并求和得到重构后的信号X(t)；

步骤9、将重构信号X(t)输入LSTM网络，得到滚动轴承剩余寿命预测结果。

2.根据权利要求1所述的一种基于VMD‑SSA‑LSTM的滚动轴承剩余使用寿命预测方法，其特征在于步骤3的Lp/Lq范数F(i)L∞/L1，其中p＝∞，q＝1；

2

其中，SES是平方包络谱，计算公式为SES[n]＝|x[n]+j*Hilbert{x[n]}| ，Hilbert{.}表示Hilbert变换；N为特征频域段的故障信号被均匀分割的组数；n表示第n组故障信号，x[n]为第n组故障信号的故障特征频率估计值f(i)的时域信号。

3.根据权利要求2所述的一种基于VMD‑SSA‑LSTM的滚动轴承剩余使用寿命预测方法，其特征在于步骤4所述的IMF分量的L∞/L1范数；

其中，M≤N；由于对原始振动信号进行VMD得到k层IMF分量，因此最终得到的适应度函数ff为：其中，g表示第层IMF分量。

4.根据权利要求3所述的一种基于VMD‑SSA‑LSTM的滚动轴承剩余使用寿命预测方法，其特征在于步骤5比较[kmin，kmax]和[αmin，αmax]范围内不同k和α取值得到的ff大小，具体的实现如下：k和α从最小值kmin和αmin开始取，步长为1，[kmin，kmax]范围内的每个k都将与[αmin，αmax]范围内所有α进行组合。

5.根据权利要求4所述的一种基于VMD‑SSA‑LSTM的滚动轴承剩余使用寿命预测方法，其特征在于对原始振动信号再次进行VMD，k和α的值取为(kbest，αbest)，得到kbest个IMF分量。

6.根据权利要求5所述的一种基于VMD‑SSA‑LSTM的滚动轴承剩余使用寿命预测方法，其特征在于步骤7所述的计算信号分解得到的kbest个IMF分量的平方包络谱和Hausdorff距离，得到HD矩阵：

7.根据权利要求6所述的一种基于VMD‑SSA‑LSTM的滚动轴承剩余使用寿命预测方法，其特征在于步骤8将计算得到的各IMF分量的L∞/L1范数FSL∞/L1构造成FS向量；

将HD矩阵与FS向量相乘：

计算向量HFS中所有元素之和 通过下式得到各IMF量的重

构因子r：

最终用IMF的分量乘以重构因子r并求和得到重构后的信号X(t)；