为进一步提高机械设备轴承故障检测效率,本文利用机器学习中的聚类算法对机械设备轴承故障进行检测,把聚类算法对特征分布中心的设备状态作为健康基线,以评估机械设备轴承故障状态,并使用t分布随机邻域嵌入技术对机械轴承设备进行降维处理和特征提取,以提高轴承故障检测效率.实验结果表明,随着迭代次数增加,故障检测准确率呈非线性递增趋势,但当迭代次数大于600时,故障检测准确率增加幅度缓慢.绕组损坏在迭代600次时,检测准确率仅为97.6%,当迭代800次时,检测准确率为97.9%,仅增加0.3%.因此,可以得出,迭代次数600次时,聚类算法检测模型的故障检测准确率较高.
万方数据
维普
