發(fā)布時間：2018-06-16 21:04

  本文選題：故障診斷 + 特征加權(quán)　； 參考：《蘭州理工大學(xué)》2017年碩士論文

【摘要】：由于機(jī)械的強(qiáng)非線性以及工作環(huán)境等復(fù)雜因素的影響,機(jī)械故障特征表現(xiàn)的錯綜復(fù)雜。要想實現(xiàn)滿意的故障診斷效果,使用單一的診斷技術(shù)已經(jīng)無法滿足現(xiàn)有的需要,必須尋求新的思路與途徑。同時,在機(jī)器學(xué)習(xí)的這一過程中,特征的數(shù)目往往會有很多,而且有多余的或無關(guān)的特征存在。冗余、無關(guān)的特征項不僅增加算法的復(fù)雜性,同時也降低了運(yùn)算的準(zhǔn)確率。聚類分析作為一個重要的工具應(yīng)用在很多領(lǐng)域,已經(jīng)成為近年來研討的熱門。隨著“大數(shù)據(jù)”時代的到來,面對的數(shù)據(jù)呈現(xiàn)出海量化和復(fù)雜化的現(xiàn)象,聚類研究隨之而來的是面臨著更多新的課題。本文以雙跨轉(zhuǎn)子實驗臺為研究對象,對特征加權(quán)技術(shù)、核方法、聚類評價指標(biāo)及模糊聚類算法展開了相關(guān)研究。本文的主要研究工作包括以下幾個方面的內(nèi)容:1)分析聚類分析方法在故障診斷中的研究現(xiàn)狀和存在的問題。對特征加權(quán)的必要性和特征加權(quán)方法進(jìn)行了系統(tǒng)的研究和探討。在研究核方法基本思想基礎(chǔ)上,總結(jié)了常見的核函數(shù)與核方法。2)針對聚類算法應(yīng)用到故障辨識問題,研究學(xué)習(xí)了聚類基礎(chǔ)理論,對常用的聚類算法進(jìn)行了總結(jié),設(shè)計了一種基于核方法與模糊C-均值的故障模式辨識方法。通過對采集到的雙跨轉(zhuǎn)子實驗臺數(shù)據(jù)分析,得到時頻域特征,將得到的特征用所提算法聚類。分析表明,將核方法與模糊C-均值技術(shù)融合的故障辨識方法,通過引入核方法增大了樣本之間的差別,降低了聚類誤差,實現(xiàn)了對故障類型的聚類。3)提出了一種自適應(yīng)NWFE-KFCM算法,該算法針對模糊C-均值算法存在的:(1)對有噪聲、離群點(diǎn)、樣本分布不均等非超球面的數(shù)據(jù)處理能力較弱;(2)疏忽了貢獻(xiàn)度不同的樣本特征對聚類影響;(3)需要依據(jù)經(jīng)驗提前給出恰當(dāng)?shù)木垲悢?shù)等問題。對問題(1)引入核方法解決,問題(2)采取特征加權(quán)賦予樣本不同權(quán)值,問題(3)通過聚類評價指標(biāo)自適應(yīng)尋找最佳聚類數(shù)。將所提算法應(yīng)用到仿真數(shù)據(jù)集和雙跨轉(zhuǎn)子實驗臺數(shù)據(jù)集驗證,分析表明:該算法不但兼顧了KFCM算法處理噪聲數(shù)據(jù)的優(yōu)勢,同時能夠重視不同樣本特征對聚類的影響,能夠在獲得準(zhǔn)確聚類數(shù)的同時提高聚類的準(zhǔn)確性,是一種有效的聚類方法。4)基于MATLAB GUI設(shè)計了一套故障辨識系統(tǒng),將四種聚類算法嵌入到該系統(tǒng)中,可以實現(xiàn)轉(zhuǎn)子故障數(shù)據(jù)的讀取、特征處理及故障辨識,通過實驗證明了該系統(tǒng)運(yùn)行的可行性。聚類分析技術(shù)在故障診斷領(lǐng)域帶來了許多新的思路和路徑,同時它也在不斷完善和發(fā)展中,對聚類技術(shù)的研究將推動機(jī)械信息技術(shù)向數(shù)據(jù)驅(qū)動的科學(xué)方向發(fā)展。
[Abstract]:This paper presents a new method of fault identification based on kernel method and fuzzy C - means . It is an effective clustering method . 4 ) Based on MATLAB GUI , a fault identification system is designed . Four kinds of clustering algorithms are embedded in the system . The method can realize the reading , feature processing and fault identification of rotor fault data , and prove the feasibility of this system . Cluster analysis technology brings many new ideas and paths in the field of fault diagnosis .
【學(xué)位授予單位】：蘭州理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TH165.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳冬牛;用于零件成組的多目標(biāo)聚類分析[J];成組生產(chǎn)系統(tǒng);1986年01期

2 賽從瑞;袖珍機(jī)輔助排序聚類分析的程序設(shè)計與應(yīng)用[J];成組生產(chǎn)系統(tǒng);1987年04期

3 李慕榮;基于聚類分析的安徽企業(yè)R&D資源分布研究[J];合肥工業(yè)大學(xué)學(xué)報(自然科學(xué)版);2004年11期

4 孫冰心;王利民;崔麗霜;龐永俊;;基于譜系聚類分析的集裝箱裝箱方案優(yōu)化研究[J];鐵道運(yùn)輸與經(jīng)濟(jì);2006年08期

5 劉恩華;張嘉禾;金正青;;聚類分析在汽車市場營銷中的應(yīng)用[J];上海汽車;2010年10期

6 廖春梅;;利用聚類分析對全國各地經(jīng)濟(jì)效益進(jìn)行評價分析[J];企業(yè)技術(shù)開發(fā);2011年09期

7 蔡建國;;排序聚類分析在成組技術(shù)中的應(yīng)用[J];機(jī)械工藝師;1985年01期

8 董玉祥;排序聚類分析計算程序[J];成組生產(chǎn)系統(tǒng);1986年01期

9 A·Gongaware,Inyong Ham,焦虹;用于成組制造系統(tǒng)的聚類分析法[J];成組生產(chǎn)系統(tǒng);1986年02期

10 史逸芬,蔡建國;排序聚類分析法在相似零件成組中的應(yīng)用[J];成組生產(chǎn)系統(tǒng);1986年03期

相關(guān)會議論文 前10條

1 梅翠;;我國各地區(qū)居民收入差距及其對消費(fèi)的制約[A];中國現(xiàn)場統(tǒng)計研究會第12屆學(xué)術(shù)年會論文集[C];2005年

2 李均立;傅國華;;海南各縣(市)經(jīng)濟(jì)實力的聚類分析[A];中國現(xiàn)場統(tǒng)計研究會第12屆學(xué)術(shù)年會論文集[C];2005年

3 劉黃金;曹林峰;;南京服務(wù)業(yè)發(fā)展的聚類分析[A];江蘇省現(xiàn)場統(tǒng)計研究會第十次學(xué)術(shù)年會論文集[C];2006年

4 肖靜;楊澤峰;徐辰武;;微陣列表達(dá)譜監(jiān)督聚類分析方法的比較研究[A];江蘇省遺傳學(xué)會第七屆代表大會暨學(xué)術(shù)研討會論文摘要匯編[C];2006年

5 路愛峰;崔玉杰;;滬市電力上市公司經(jīng)營業(yè)績的聚類分析[A];中國數(shù)學(xué)力學(xué)物理學(xué)高新技術(shù)交叉研究學(xué)會第十二屆學(xué)術(shù)年會論文集[C];2008年

6 陳國華;廖小蓮;夏君;;證券投資分析的聚類分析方法[A];中國企業(yè)運(yùn)籌學(xué)[2011（1）][C];2011年

7 張紅衛(wèi);隗金水;;聚類分析評價與測量效度關(guān)系探討[A];第九屆全國體育科學(xué)大會論文摘要匯編(4)[C];2011年

8 牛東曉;乞建勛;;網(wǎng)絡(luò)資源平衡問題的聚類分析優(yōu)化遺傳算法研究[A];2001年中國管理科學(xué)學(xué)術(shù)會議論文集[C];2001年

9 詹原瑞;彭書杰;李如一;;基于聚類分析的企業(yè)信用等級評價方法[A];西部開發(fā)與系統(tǒng)工程——中國系統(tǒng)工程學(xué)會第12屆年會論文集[C];2002年

10 鄒曉玫;修春波;;基于聚類分析的犯罪率相關(guān)因素的研究[A];當(dāng)代法學(xué)論壇（二○一○年第3輯）[C];2010年

相關(guān)重要報紙文章 前10條

1 王素琴邋劉曉林 通訊員 王新華;宇如聰強(qiáng)調(diào)用好16個新數(shù)據(jù)集產(chǎn)品[N];中國氣象報;2008年

2 記者 劉浪 通訊員 廖雅琴;中國首套數(shù)字化“可視人”數(shù)據(jù)集在渝通過成果鑒定[N];重慶日報;2003年

3 通訊員廖雅琴記者馮競;“國人數(shù)字化可視人體數(shù)據(jù)集”完成[N];科技日報;2003年

4 金水高 劉麗華 陶莊;基本數(shù)據(jù)集標(biāo)準(zhǔn)新進(jìn)展[N];計算機(jī)世界;2006年

5 上海 陳純;初識T-SQL，，戀情的開始[N];電腦報;2004年

6 昌家杰 鄒瑩 本報記者 于莘明;探究“數(shù)字人”的虛與實[N];科技日報;2005年

7 山水;艾斯本與NIST集合數(shù)據(jù)集[N];中國石化報;2007年

8 張紹祥 李國輝;研究領(lǐng)域：以人為本[N];計算機(jī)世界;2003年

9 張荔子 秦篤烈;“數(shù)字人”走向應(yīng)用[N];健康報;2006年

10 游雪晴;我國均一化氣溫數(shù)據(jù)集建成[N];科技日報;2006年

相關(guān)博士學(xué)位論文 前10條

1 殷路;基因表達(dá)數(shù)據(jù)的雙聚類分析與研究[D];電子科技大學(xué);2017年

2 張建萍;基于計算智能技術(shù)的聚類分析研究與應(yīng)用[D];山東師范大學(xué);2014年

3 嚴(yán)遠(yuǎn)亭;不完整數(shù)據(jù)集的多視角集成分類研究[D];安徽大學(xué);2016年

4 史熒中;耦合的支持向量學(xué)習(xí)方法及應(yīng)用研究[D];江南大學(xué);2016年

5 雒曉卓;基于聯(lián)合稀疏和局部線性的極限學(xué)習(xí)機(jī)及應(yīng)用[D];西安電子科技大學(xué);2015年

6 陳梅;面向復(fù)雜數(shù)據(jù)的聚類算法研究[D];蘭州大學(xué);2016年

7 李成安;分布式環(huán)境下聚類分析新方法的研究[D];浙江大學(xué);2006年

8 賈隆嘉;文本分類中特征加權(quán)算法和文本表示策略研究[D];東北師范大學(xué);2016年

9 史衛(wèi)亞;大規(guī)模數(shù)據(jù)集下核方法的技術(shù)研究[D];復(fù)旦大學(xué);2008年

10 錢鵬江;大規(guī)模數(shù)據(jù)集聚類方法研究及應(yīng)用[D];江南大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 孫業(yè)北;轉(zhuǎn)子故障數(shù)據(jù)集的聚類分析方法研究[D];蘭州理工大學(xué);2017年

2 李元俊;大學(xué)生就業(yè)能力培養(yǎng)與社會需求的匹配性研究[D];山東建筑大學(xué);2015年

3 馮雪冰;基于模糊理論的EM算法在聚類分析的應(yīng)用研究[D];中國地質(zhì)大學(xué)(北京);2015年

4 黃銀;行業(yè)地區(qū)發(fā)展水平的聚類分析[D];蘇州大學(xué);2015年

5 郭俊峰;聚類分析下的股票投資價值挖掘研究[D];大連海事大學(xué);2015年

6 張旭;考慮風(fēng)電接入不確定性的節(jié)點(diǎn)特性建模研究[D];山東大學(xué);2015年

7 褚旭;我國各省市CDM項目聚類分析及影響因素研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2015年

8 劉鑫琳;VAGUE集理論及其在聚類分析中的應(yīng)用[D];廣西大學(xué);2015年

9 周穎;基于蟻群算法的聚類分析在學(xué)生成績中的研究[D];南昌大學(xué);2015年

10 邢蕊;以聚類分析為基礎(chǔ)的我國證券公司效率研究[D];山西大學(xué);2015年

本文編號：2028100