[发明专利]一种基于信息熵的滚动轴承性能退化模糊粒化预测方法

摘要

一种专门针对滚动轴承性能退化趋势的模糊粒化预测方法，首先将滚动轴承的振动信号序列以EEMD分解并利用Shannon熵理论提取滚动轴承振动信号的性能退化指标序列，再利用模糊信息粒化理论对该性能退化指标序列进行模糊信息粒化，然后将粒化后的粒状信息输入给最小二乘支持向量机（LS-SVM）进行回归预测。本发明充分发挥了EEMD在滚动轴承性能退化渐变信息提取、信息熵在信息挖掘和LS-SVM在回归预测等方面的优势，不仅可以预测出滚动轴承在服役周期内的性能退化趋势，而且也可以有效的预测出滚动轴承在一个服役时间段内性能的变化波动范围。

主权项

一种基于信息熵的滚动轴承性能退化模糊粒化预测方法，其特征在于：包括如下具体步骤：步骤一，对在滚动轴承上采集的每一个振动信号以集成经验模式分解技术进行处理，分别得到多层内稟模态函数分量；步骤二，对每个振动信号的所有内稟模态函数分量计算香农熵，得到按时间历程排列的n维特征向量，n为按时间历程采集的轴承信号数目；步骤三，采用模糊信息粒化理论对n维特征向量进行模糊粒化，将整个时间序列信息，即n维特征向量划分为有限个子序列操作窗口，对每一个子序列操作窗口的信息通过数学表达方式进行模糊化；步骤四，构建最小二乘支持向量机，将训练样本输入到最小二乘支持向量机，并采用粒子群对最小二乘支持向量机的参数进行并行寻优；步骤五，将粒化后的粒状信息输入到优化后的最小二乘支持向量机，利用最优的最小二乘支持向量机迭代预测出滚动轴承的性能退化趋势及性能指标的波动范围，在对此预测模型的预测精度进行评价。