基于小波包熵和高斯混合模型的轴承性能退化评估

为准确的描述设备性能退化的过程,采用小波包熵(Wavelet Packet Entropy,WPE)与高斯混合模型(Gaussian mixture model,GMM)对轴承性能退化状态进行评估。首先,提取轴承振动信号的小波包熵作为特征向量。接着以轴承正常状态数据的特征向量建立轴承性能的GMM评估基准模型。然后对试验中每一运行状态建立相应的GMM模型,并计算对应状态GMM相对基准模型的偏离程度,判断轴承是否发生退化以及退化程度。试验分析表明,与基于逻辑回归的设备性能退化方法相比,基于小波包熵与高斯混合模型的设备性能退化方法无需设备历史数据,不需要定义退化先验概率,能够较准确的反映轴承在全寿命周期中性能退化的过程。