本文選題：聚類(lèi)分析 + 權(quán)值矩陣�。� 參考：《中國(guó)機(jī)械工程》2016年15期

【摘要】：針對(duì)單一聚類(lèi)診斷方法難以準(zhǔn)確、全面識(shí)別不同故障狀態(tài)的問(wèn)題,提出了一種聚類(lèi)優(yōu)化融合故障診斷方法。分別利用社團(tuán)聚類(lèi)、K-均值聚類(lèi)及粒子群聚類(lèi)三種方法對(duì)故障進(jìn)行識(shí)別,得出三種聚類(lèi)方法對(duì)應(yīng)的故障識(shí)別準(zhǔn)確率,在此基礎(chǔ)上構(gòu)建初始權(quán)值矩陣,并通過(guò)遺傳算法對(duì)初始判斷矩陣與三種聚類(lèi)方法進(jìn)行優(yōu)化,得到最優(yōu)權(quán)值矩陣與優(yōu)化的聚類(lèi)模型,用于融合診斷。軸承故障診斷實(shí)例結(jié)果表明,該聚類(lèi)融合診斷方法能夠有效提高故障識(shí)別準(zhǔn)確率。
[Abstract]:In order to solve the problem that single clustering diagnosis method is difficult to accurately identify different fault states, a clustering optimization fusion fault diagnosis method is proposed. In this paper, three methods of community clustering, K-means clustering and particle cluster clustering are used to identify the faults, and the accuracy of fault identification is obtained. Based on this, the initial weight matrix is constructed. The initial judgment matrix and three clustering methods are optimized by genetic algorithm, and the optimal weight matrix and the optimized clustering model are obtained for fusion diagnosis. The results of bearing fault diagnosis show that the clustering fusion diagnosis method can effectively improve the accuracy of fault identification.
【作者單位】： 湖南科技大學(xué)機(jī)械設(shè)備健康維護(hù)湖南省重點(diǎn)實(shí)驗(yàn)室;蘇州東菱振動(dòng)試驗(yàn)儀器有限公司;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(51575177) 湖南省教育廳優(yōu)秀青年項(xiàng)目(14B057);湖南省教育廳資助重點(diǎn)項(xiàng)目(13A023)
【分類(lèi)號(hào)】：TH17

【相似文獻(xiàn)】

相關(guān)期刊論文 前5條

1 李望超，，李金艷;解決陷入局部極小的一種新方法[J];河北工學(xué)院學(xué)報(bào);1994年03期

2 張果;趙艷花;陳文清;;基于自由權(quán)值矩陣方法的時(shí)滯離散系統(tǒng)穩(wěn)定性分析[J];洛陽(yáng)理工學(xué)院學(xué)報(bào)(自然科學(xué)版);2014年02期

3 田艷芳;林瓊;楊秀文;許川容;;最優(yōu)Hamilton圈的一種新算法[J];后勤工程學(xué)院學(xué)報(bào);2009年01期

4 辜小花;龔衛(wèi)國(guó);楊利平;;有監(jiān)督圖優(yōu)化保局投影[J];光學(xué)精密工程;2011年03期

5 ;[J];;年期

相關(guān)會(huì)議論文 前1條

1 張永亮;盧煥章;賀興華;劉曉春;;基于預(yù)存儲(chǔ)權(quán)值矩陣的Hough變換[A];第十四屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)(CCSP-2009)論文集[C];2009年

本文編號(hào)：1941767