一种基于物理信息约束的VMD-PIML轴承故障预测方法

本发明公开了一种基于物理信息约束的VMD‑PIML轴承故障预测方法，首先对FNGO算法进行改进，通过引入混沌映射初始化鹰群分布，引入正弦函数和折射反向学习策略，增强算法计算精度和搜索能力；使用改进的FNGO算法迭代VMD重要参数组成[K，ɑ]，提取信号特征；最后使用改进的FNGO算法对PIML预测模型中的超参数进行优化；使用PIML预测模型能够将物理约束和机器学习模型结合，能够综合轴承信号特征，提高模型预测的准确性和鲁棒性。与现有技术相比，本发明通过物理知识约束PIML预测模型，使用改进NGO算法优化VMD去噪模型、PIML预测模型，提升了轴承故障预测的泛化性和鲁棒性。