本文關(guān)鍵詞：全矢—模糊聚類及其在故障診斷中的應(yīng)用研究

  更多相關(guān)文章： 全矢譜 模糊聚類 密度函數(shù)法 核函數(shù) 遺傳算法 均勻設(shè)計 聚類有效性指標 故障診斷

【摘要】：近年來,旋轉(zhuǎn)機械設(shè)備日益大型化、智能化和復(fù)雜化,繼而針對這些設(shè)備展開的狀態(tài)監(jiān)測和故障診斷技術(shù)也愈加重要�；谕葱畔⑷诤系娜缸V分析技術(shù),對多通道的數(shù)據(jù)進行了融合,能夠正確反映轉(zhuǎn)子的真實運動,且與傳統(tǒng)的譜分析具有兼容性。同時由于數(shù)值算法簡單、穩(wěn)健、快速,更利于進行智能故障診斷。模糊聚類算法是模式識別的一種,作為該類算法中最經(jīng)典的一種—模糊C均值(FCM)算法,因其對數(shù)據(jù)集結(jié)構(gòu)及初始值的敏感性,很難得到最佳聚類,鑒于此本文提出了兩種改進算法。本文以全矢譜分析為基礎(chǔ),結(jié)合改進的FCM算法,并將其應(yīng)用于旋轉(zhuǎn)機械的故障識別中。主要研究工作如下： 1、介紹了全矢譜體系中的平面全矢譜理論及其數(shù)值算法；用實驗驗證了基于全矢譜方法的故障診斷的優(yōu)勢；提出了基于全矢譜技術(shù)的特征提取方法,為模糊聚類的準確分類奠定了基礎(chǔ)。 2、引入密度函數(shù)法和核函數(shù)法,提出了基于密度函數(shù)的模糊核聚類方法(DKFCM),對經(jīng)典的FCM算法進行了改進,并給出了DKFCM算法的具體步驟。將全矢譜和DKFCM算法結(jié)合起來應(yīng)用于旋轉(zhuǎn)機械的故障診斷中,給出了具體的故障分類流程。用實驗驗證了新方法的有效性及相對于傳統(tǒng)方法的優(yōu)勢：更高的分類的準確率、更少的迭代次數(shù)。 3、把遺傳算法和均勻設(shè)計法引入經(jīng)典的FCM算法中,提出了一種新的均勻遺傳模糊聚類算法(UGAFCM)。用全矢譜技術(shù)做特征提取,用UGAFCM算法建立分類器,建立了全矢—UGAFCM故障診斷方法的數(shù)學模型,給出了具體的診斷流程圖。通過實驗研究驗證了新方法對測試樣本進行分類的可行性及有效性。 4、鑒于故障診斷中,故障種類很難事先確定這一特點,本文引入了聚類有效性指標。由于聚類有效性指標具有領(lǐng)域相關(guān)性,在此對適用于旋轉(zhuǎn)機械常見故障的分類的有效性指標進行了初步探討。
【關(guān)鍵詞】：全矢譜 模糊聚類 密度函數(shù)法 核函數(shù) 遺傳算法 均勻設(shè)計 聚類有效性指標 故障診斷
【學位授予單位】：鄭州大學
【學位級別】：碩士
【學位授予年份】：2013
【分類號】：TH165.3
【目錄】：

• 摘要4-5
• Abstract5-10
• 1 緒論10-21
• 1.1 課題的來源、提出及意義10-12
• 1.1.1 課題的來源10
• 1.1.2 課題的提出和意義10-12
• 1.2 故障診斷技術(shù)的發(fā)展歷程12-13
• 1.3 全信息技術(shù)的研究現(xiàn)狀13-17
• 1.3.1 全息譜技術(shù)簡介及其發(fā)展概況13-14
• 1.3.2 全頻譜技術(shù)簡介及其發(fā)展概況14-16
• 1.3.3 全矢譜技術(shù)簡介及其發(fā)展概況16-17
• 1.4 模糊聚類方法發(fā)展概況及其在故障診斷中的應(yīng)用17-19
• 1.5 本文的結(jié)構(gòu)安排19-21
• 2 平面全矢譜分析技術(shù)21-33
• 2.1 概述21
• 2.2 全矢譜技術(shù)理論基礎(chǔ)21-27
• 2.3 全矢譜技術(shù)的數(shù)值算法27-29
• 2.4 全矢譜技術(shù)的工程應(yīng)用實例29-31
• 2.5 基于全矢譜技術(shù)的特征提取方法31-32
• 2.6 本章小結(jié)32-33
• 3 全矢—模糊核聚類故障診斷方法研究33-44
• 3.1 概述33
• 3.2 模糊C均值聚類方法(FCM)33-36
• 3.2.1 聚類目標函數(shù)34-36
• 3.2.2 模糊C均值算法36
• 3.3 引入密度函數(shù)法的模糊核聚類算法(DKFCM)36-40
• 3.3.1 核方法37-38
• 3.3.2 基于核方法的模糊聚類算法(KFCM)38-39
• 3.3.3 密度函數(shù)法(DFM)39-40
• 3.4 全矢—模糊核聚類方法研究及應(yīng)用實例40-43
• 3.4.1 全矢—模糊核聚類方法及其有效性分析40-41
• 3.4.2 全矢—模糊核聚類在旋轉(zhuǎn)機械故障診斷中的應(yīng)用41-43
• 3.5 本章小結(jié)43-44
• 4 全矢—均勻遺傳模糊聚類故障診斷方法研究44-54
• 4.1 概述44-45
• 4.2 遺傳算法運行過程(GA)45-48
• 4.2.1 遺傳算法的數(shù)學模型和基本運算流程45-47
• 4.2.2 遺傳算法的基本操作47-48
• 4.3 引入均勻設(shè)計方法的遺傳模糊聚類算法(UGAFCM)48-51
• 4.3.1 遺傳模糊算法(GAFCM)48-49
• 4.3.2 均勻設(shè)計法優(yōu)化GAFCM中的參數(shù)49-51
• 4.4 全矢—均勻遺傳模糊聚類故障診斷方法及應(yīng)用研究51-53
• 4.4.1 全矢—均勻遺傳模糊聚類故障診斷方法52
• 4.4.2 實驗分析52-53
• 4.5 本章小結(jié)53-54
• 5 模糊聚類有效性評價54-66
• 5.1 聚類有效性分析54-56
• 5.1.1 聚類有效性的概念及其分類54-55
• 5.1.2 模糊聚類有效性研究及其發(fā)展55-56
• 5.2 模糊聚類中常用的有效性指標56-59
• 5.3 模糊聚類有效性指標在故障診斷中的應(yīng)用59-65
• 5.4 本章小結(jié)65-66
• 6 總結(jié)與展望66-69
• 6.1 本文的主要工作總結(jié)及創(chuàng)新點66-67
• 6.1.1 本文主要內(nèi)容及總結(jié)66-67
• 6.1.2 本文創(chuàng)新點67
• 6.2 展望67-69
• 參考文獻69-74
• 致謝74-75
• 個人簡歷 在校期間發(fā)表的學術(shù)論文及研究成果75

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 何大闊,王福利,張春梅;基于均勻設(shè)計的遺傳算法參數(shù)設(shè)定[J];東北大學學報;2003年05期

2 裴繼紅,范九倫,謝維信;聚類中心的初始化方法[J];電子科學學刊;1999年03期

3 胡方霞;謝志江;岳茂雄;;混沌粒子群優(yōu)化模糊聚類的旋轉(zhuǎn)機械故障診斷[J];重慶大學學報;2011年06期

4 韓捷;石來德;董辛e，

本文編號：584270