本文關(guān)鍵詞：聚類算法在轉(zhuǎn)子故障診斷中的應(yīng)用

  更多相關(guān)文章： 旋轉(zhuǎn)機械 聚類算法 故障診斷 K近鄰算法 交叉驗證 特征提取

【摘要】：旋轉(zhuǎn)機械在日常生產(chǎn)生活中充當(dāng)重要角色,一旦出現(xiàn)故障會對相關(guān)設(shè)備正常運轉(zhuǎn)產(chǎn)生致命影響,因此監(jiān)測旋轉(zhuǎn)機械的轉(zhuǎn)子系統(tǒng)的運行狀態(tài)及時發(fā)現(xiàn)故障并分析其原因具有重要意義。本文針對現(xiàn)代旋轉(zhuǎn)機械日益精密化、復(fù)雜化,應(yīng)用當(dāng)前診斷手段進(jìn)行故障診斷時準(zhǔn)確度較低的現(xiàn)狀,提出將處理大數(shù)據(jù)能力較強的聚類分析法引入旋轉(zhuǎn)機械故障診斷中。首先研究了聚類算法,對其中經(jīng)典的3種聚類算法用于模式識別進(jìn)行了比較研究,發(fā)現(xiàn)K近鄰聚類算法具有明顯的優(yōu)勢,遂提出將K近鄰聚類算法應(yīng)用到旋轉(zhuǎn)機械故障診斷領(lǐng)域。通過對K近鄰聚類算法的仿真分析研究,發(fā)現(xiàn)K近鄰聚類算法當(dāng)中的K值對聚類結(jié)果影響較大,提出了交叉驗證K近鄰算法對K值進(jìn)行確定。最后,在轉(zhuǎn)子故障模擬綜合實驗平臺上模擬了7種常見的轉(zhuǎn)子系統(tǒng)故障,通過對采集的信號進(jìn)行時域頻域分析,并獲取故障的特征作為數(shù)據(jù)屬性,然后采用K近鄰聚類算法對故障進(jìn)行識別。結(jié)果表明聚類算法在轉(zhuǎn)子故障診斷中應(yīng)用具有一定的可行性。
【學(xué)位授予單位】：西安工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TH165.3

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 羅邦R，

本文編號：1140290