1.一种用于剩余使用寿命预测退化数据的扩增方法，其特征在于，包括以下步骤：采集退化数据，给定已有多传感器退化数据 ， ，该退化数据 以矩阵形式表示，其中 代表反映退化状态的传感器数量，是退化数据的长度；

退化数据预处理，首先通过数理统计分析等方法获得该类设备快速退化阶段的初始值，则退化数据 ，指定扩增网络输入数据的长度 ，对于所采集退化数据大于 的部分予以裁切，对于所采集退化数据小于 的部分予以填充，以保证输入扩增网络的数据尺度一致；

扩增网络，扩增网络以CycleGAN为框架，训练其中的生成器作为数据扩增的扩增网络，将输入数据随机分为数量相等的两部分 和 ，作为CycleGAN的输入，通过生成器 和生成器 ,得到生成数据 和 ，同时将得到的生成数据 和 送入生成器 和生成器 ,得到生成数据 和 ，鉴别器 和 在此过程中负责对原始数据与生成数据进行判断，以决定生成器下一轮的生成方向；

获得扩增数据，将原始数据送入扩增网络进行数据扩增，获得扩增数据。

2.根据权利要求1所述的一种用于剩余使用寿命预测退化数据的扩增方法，其特征在于：

如果采集到的退化数据的长度大于 ，直接删除超过的部分，得到退化数据 如下：，处理好之后的数据大小为 ，上式中；

超出部分将从开始阶段被移除掉；

如果采集到的退化数据的长度小于 ，则需要对该数据进行填充，填充数据的长度记为 ，计算该长度下同一个传感器数值的平均值，作为填充数据，对于传感器值 的替代值可以表示如下： ，其中 是高斯噪声，其值范围固定在，它们是传感器数据在 范围内的最大值和最小值，处理过后的数据如下所示： 其中， 。

3.根据权利要求1所述的一种用于剩余使用寿命预测退化数据的扩增方法，其特征在于：

所述CycleGAN的价值函数如下所示，定义 为 ， 为 ：组合上述两式得到循环一致性损失函数：将上述公式组合可以得到CycleGAN的总的价值函数：其中生成器网络的损失函数如下所示：其中 是生成器的损失函数，表示样本的数量，表示原始数据，表示生成数据，根据损失函数训练网络模型，当训练多次直至损失函数值趋于稳定时完成网络的训练。