技術(shù)特征：

1.基于FCM-HMM的滾動(dòng)軸承性能退化評(píng)估方法，其特征為，其具體步驟：

(1)提取特征：用無故障數(shù)據(jù)樣本和同類軸承的失效數(shù)據(jù)樣本建立AR模型，得到AR模型的自回歸系數(shù)和殘差，由AIC準(zhǔn)則確定AR模型的階數(shù)，把AR模型的系數(shù)和殘差作為輸入特征向量；

(2)建立模型：用無故障數(shù)據(jù)樣本和同類軸承的失效數(shù)據(jù)樣本特征建立FCM模型并且得到正常和失效聚類中心c₁,c₂；用無故障數(shù)據(jù)樣本特征建立隱馬爾科夫模型；再用無故障數(shù)據(jù)和同類軸承的失效特征建立第二個(gè)FCM模型得到正常和失效聚類中心c₁₁,c₂₂；

(3)實(shí)時(shí)評(píng)估：把得到的兩個(gè)性能退化指標(biāo)DI和似然概率輸出值P作為輸入特征，保持模型不變通過連續(xù)迭代再輸入到建立好的第二個(gè)FCM模型中，得到性能退化指標(biāo)，描繪出滾動(dòng)軸承的性能退化曲線。

2.如權(quán)利要求1所述的基于FCM-HMM的滾動(dòng)軸承性能退化評(píng)估方法，其特征為，所述提取特征的具體內(nèi)容：

(a)用前100組早期無故障樣本和同類軸承后10組失效樣本建立AR模型；

(b)提取AR模型的自回歸系數(shù)和殘差，由AIC準(zhǔn)則確定AR模型的階數(shù)為14，把包括模型殘差在內(nèi)的這15個(gè)參數(shù)作為輸入特征向量。

3.如權(quán)利要求1所述的基于FCM-HMM的滾動(dòng)軸承性能退化評(píng)估方法，其特征為，所述建立模型的具體內(nèi)容：

(1)模型參數(shù)初始化：

(a)FCM的參數(shù)的求解步驟為：定義樣本集合X＝{x₁,x₂,…,x_N}，其中每一個(gè)對(duì)象x_k有n個(gè)特性指標(biāo)，設(shè)為x_k＝(x_1k,x_2k,…,x_nk)^T，若把X分成c類則每一個(gè)分類結(jié)果都對(duì)應(yīng)一個(gè)c×N階的隸屬度矩陣U＝[u_ik]_c×N，對(duì)應(yīng)模糊c劃分空間為u_ik的限制條件為：在此空間上模糊C均值算法如下：

1)給定迭代停止閾值ε、模糊加權(quán)指數(shù)q和聚類數(shù)目c，并設(shè)置迭代計(jì)數(shù)器l＝1；

2)計(jì)算聚類中心

3)計(jì)算隸屬度矩陣，對(duì)1≤k≤N，1≤i≤c有直到||U^(l)-U^(l-1)||＜ε時(shí)停止迭代，反之l＝l+1，繼續(xù)步驟2)和步驟3)。

(b)隱馬爾可夫模型λ＝(π,A,B)中的參數(shù)的求解步驟為：由開始選取的初始模型λ₀＝(π,A,B)與觀測序列O以及重估公式求解到的新參數(shù)是是我們得到的新模型，重估公式如下：

且o_t＝v_k

可證：重復(fù)計(jì)算過程，一步步地改進(jìn)模型的參數(shù)直到滿足給定的收斂條件，模型的即輸出概率值沒有明顯增大，此時(shí)的λ就是所求之模型。

(2)模型建立：

用所述110組樣本組成大小為110×15的矢量特征建立FCM模型，并且得到正常和失效聚類中心c₁,c₂；用前100組無故障數(shù)據(jù)建立HMM模型。

4.如權(quán)利要求3所述的基于FCM-HMM的滾動(dòng)軸承性能退化評(píng)估方法，其特征為，所述模型參數(shù)初始化的條件設(shè)置：建立FCM模型時(shí)需給定迭代停止閾值ε₁＝10^-4、模糊加權(quán)指數(shù)q＝2和聚類數(shù)目c＝2，并設(shè)置迭代計(jì)數(shù)器l＝1，計(jì)算聚類中心c_i和隸屬度矩陣u_ik，建立HMM需三個(gè)參數(shù)，概率分布矩陣π、狀態(tài)轉(zhuǎn)移概率矩陣A和觀測值轉(zhuǎn)移概率矩陣B1，迭代停止閾值取ε₂＝10^-3，初始狀態(tài)概率向量π和狀態(tài)轉(zhuǎn)移概率矩陣A隨機(jī)生成，用Viterbi算法對(duì)觀測值概率分布B1進(jìn)行初始化。

5.如權(quán)利要求1所述的基于FCM-HMM的滾動(dòng)軸承性能退化評(píng)估方法，其特征為，所述實(shí)時(shí)評(píng)估的具體內(nèi)容：FCM和HMM模型建立后，將待測數(shù)據(jù)點(diǎn)保持模型不變通過連續(xù)迭代的方式分別輸入到已經(jīng)訓(xùn)練好的模型當(dāng)中去，得到滾動(dòng)軸承的兩個(gè)性能退化指標(biāo)DI和似然概率輸出值P，用前100組無故障數(shù)據(jù)和同類軸承的后10組失效數(shù)據(jù)組成大小為110×2的矢量特征建立FCM模型得到正常和失效聚類中心c₁₁,c₂₂，把得到的兩個(gè)性能退化指標(biāo)DI和似然概率輸出值P作為輸入特征，保持模型不變通過連續(xù)迭代再輸入到建立好的FCM模型中，描繪出性能退化曲線。

6.如權(quán)利要求1至5的基于隱馬爾科夫模型的滾動(dòng)軸承性能退化評(píng)估方法的結(jié)果驗(yàn)證，其特征為，包括以下步驟：

(a)用概率統(tǒng)計(jì)中的3σ法則來確定滾動(dòng)軸承早期故障的發(fā)生時(shí)刻，當(dāng)連續(xù)多個(gè)DI值超過此界定范圍，就可以認(rèn)為軸承的性能發(fā)生了改變；

(b)用軸承加速疲勞試驗(yàn)對(duì)得到的性能退化曲線進(jìn)行驗(yàn)證其可靠性；

(c)用基于經(jīng)驗(yàn)?zāi)B(tài)分解和希爾伯特變換的包絡(luò)解調(diào)方法對(duì)無故障點(diǎn)包絡(luò)解調(diào)后驗(yàn)證評(píng)估結(jié)果的正確性；

(d)用基于經(jīng)驗(yàn)?zāi)B(tài)分解和希爾伯特變換的包絡(luò)解調(diào)方法對(duì)初始故障點(diǎn)包絡(luò)解調(diào)后驗(yàn)證評(píng)估結(jié)果的正確性；

(e)用基于經(jīng)驗(yàn)?zāi)B(tài)分解和希爾伯特變換的包絡(luò)解調(diào)方法對(duì)劇烈故障點(diǎn)包絡(luò)解調(diào)后驗(yàn)證評(píng)估結(jié)果的正確性。