[发明专利]一种基于信息熵主成分的控制棒驱动机构失效及寿命预测方法

权利要求书

1.考虑基于互信息法和主成分分析法应用于控制棒驱动机构的失效及寿命预测方法设计，具体包括：小波包降噪算法的信号降噪设计、控制棒驱动机构退化特征提取设计、互信息与主成分分析结合的特征筛选设计、支持向量机回归的寿命预测设计。

2.根据权利要求1所述的小波包降噪算法的信号降噪设计，其特征在于:设计一种基于小波包算法的信号降噪方法，小波包变换继承了小波变换的时频分析特征，既分解了低频信号，又对小波变换中未分解的高频信号部分进一步分解，如

其中t＝1,2,3,…,2^X-j；i＝1,2,3,…,2^j；X＝log₂N；g(t)代表驱动机构采集的振动信号；表示第j层第i个小波包；F和D为两个小波包分解滤波器；F与尺度函数有关、D与小波包函数有关。

3.根据权利要求1所述控制棒驱动机构退化特征提取设计，其特征在于:设计一种驱动机构寿命特征提取方法，可以基于如时域、频域、时频域进行特征提取,频域部分可以使用如快速傅里叶变换方法将时域信号转换为频域信号

其中，Y(k)为频域信号，y(t)为时域信号，时频域可以使用如EMD经验模态分解方法将驱动机构的时域振动信号y(t)从高频到低频分解为若干个IMF分量a(t)，IMF为本征模函数。

4.根据权利要求1所述互信息法，其特征在于:设计互信息的特征筛选方法，保留与驱动机构剩余寿命关联度较高的特征,其互信息值满足公式

其中，F(X；Y)为互信息，X,Y为两个随机变量，f(x,y)为两个随机变量的联合分布，f(x)和f(y)为边缘分布。

5.根据权利要求1所述的主成分分析法，其特征在于:设计主成分分析的特征降维方法,假设筛选后的驱动机构特征样本为一组m条样本，特征数为n的特征表，将其设为m×n的矩阵X

一行代表一个样本，一列代表一个特征,共n维,jn,即

Y_m×j＝X_m×n×A_n×j

其中Y为降维后的矩阵,A为载荷矩阵,A中的元素为Y矩阵与X矩阵对应变量之间的线性相关系数。

6.根据权利要求1所述的支持向量机回归的寿命预测设计，其特征在于:设计基于支持向量机回归的预测方法,如

表示，其中为拉格朗日因子，不等于零对应的样本数据就是支持向量，b为偏置向量，k(x_i,x)为选择的核函数。