基于GG模糊聚类的退化状态识别方法

针对轴承等机械设备的性能退化状态识别问题,研究并提出一种基于GG(Gath-Geva)模糊聚类的退化状态识别方法。首先分析轴承性能退化过程中的基本尺度熵演化规律,分析该参数的单调性与敏感性。考虑到退化状态在时间尺度的连续性,构建包括基本尺度熵、有效值以及退化时间的三维退化特征向量,并采用GG模糊聚类方法对轴承性能退化状态的不同阶段进行划分,实现对性能退化状态的识别。采用来自IEEE PHM 2012的轴承全寿命试验数据进行实例分析,并与模糊C-均值聚类(FCM)、GK(Gustafaon-Kessel)算法进行对比,结果表明,方法聚类效果更优,同一退化状态内的时间聚集度更高。