基于改进K均值算法的滚动轴承故障诊断

扫码查看

原文链接

NETL

中文摘要：滚动轴承的故障诊断对于确保机械设备的安全可靠性有着十分重大的意义.本文采用模式识别的方法,借助振动数据对滚动轴承进行故障诊断.为了改善K均值算法极易陷入局部最优解的情况,利用粒子群算法与K均值算法进行混合聚类,设计了一种基于自适应粒子群的K均值算法,它在惯性权重的调整和学习因子的设置等方面有别于传统的混合聚类算法.提取滚动轴承振动信号的28个时域和频域特征,采用主成分分析方法进行降维处理,再分别利用三种聚类算法对滚动轴承进行故障诊断.仿真表明,基于自适应粒子群的K均值算法能够增强K均值算法的寻优能力,可以改善传统混合聚类算法容易早熟、收敛速度较慢等缺点.

作者：

Dehao Wu、吴德浩、Maoyin Chen、陈茂银、Donghua Zhou、周东华

展开 >

作者单位：

清华大学自动化系,北京100084

山东科技大学电气与自动化工程学院,青岛266590

关键词：

滚动轴承故障诊断 K均值算法粒子群算法模式识别

主办单位：

中国自动化学会

会议名称：

第十届全国技术过程故障诊断与安全性学术会议

会议时间：

2017-08-18

会议地点：

青岛

会议母体文献：

第十届全国技术过程故障诊断与安全性学术会议论文集

页码：

1-10

出版时间：

2017