由于柔性薄膜属于各向异性材料,柔性薄膜材料的变形具有不确定,制造设备受到外部干扰或者本身性能的改变都会对柔性薄膜变形产生影响,材料极易出现褶皱、破损等质量问题。R2R制造装备的性能是制约大规模制造的瓶颈,如何使R2R制造设备更加零故障、智能化,以最小的代价保证设备的运转率以及预期产品产出率,已经受到了业界和学术界的广泛关注。然而,在当前柔性材料R2R加工设备故障预测方法,大多集中在故障模式的识别,是一种被动的维护方式,对生产企业提高生产设备效益的最大化有不利影响。设备的性能衰退预测是对该研究领域思维模式的突破,它更倾向于设备的全寿命周期中的性能衰退预测,对加工设备运行状况进行综合性评估,防止设备可能发生故障。本文的研究可以用于指导实际生产,避免了设备性能衰退发生故障而使柔性材料表面产生褶皱、甚至断裂,不至于使整卷柔性材料报废,提高了薄膜的质量、降低材料的废品率、提高企业的生产效率。根据前期研究情况,确定论文的主要研究方法,讨论了基于模糊聚类的设备性能衰退预测技术的国内外相关研究进展,论文的主要工作包括:(一)阐述了论文的研究背景和意义,概述了辊轴设备故障预测与健康管理系统(PHM)的发展现状以及国内外的研究状况,并且概括了论文的主要研究内容。(二)利用最小二乘法对辊轴原始振动数据进行降噪处理,对经过降噪处理后的辊轴振动数据提取了时域特征参数,综合分析时域特征参数并且选取了能很好的反映数据的发生变化的特征值,作为描述R2R加工设备性能衰退状况的特征指标。(三)提出了基于自适应模糊聚类方法(AFCM)性能衰退预测建模的基本方法,并详细说明了基于AFCM的设备性能衰退预测建模一般步骤,然后对输入的辊轴特征参数做了AFCM划分,再将实时采集的辊轴振动数据和模糊类原型之间的隶属度函数值来反映设备的性能衰退状态。