|
|||||
|
|
| 基于AFI混合聚类算法的轴承故障诊断方法 | |
| 作者姓名： | 金 阳 王 林 崔朗福 黄云涛 张庆振 张 如 韩晓萱 张超祺 宋子雄 |
| 作者单位： | 北京航空航天大学 自动化科学与电气工程学院;北京航天控制仪器研究所;北京航天自动控制研究所 |
| 基金项目： | “高档数控机床与基础制造装备”科技重大专项项目（2019ZX04026001） |
| 摘 要： | 针对滚动轴承振动信号标记数据量小、故障模式多样的现状，提出了一种基于AFI混合聚类算法的半监督式轴承振动信号故障诊断方法。利用小波包分解方法提取了信号的能量特征谱，并通过主成分分析方法增强了信号的特征；参考迭代自组织数据分析的“分裂”和“合并”的思想，为人工鱼群算法中的个体鱼增加了“分裂进化”和“合并进化”行为；采用模糊C均值方法定义了隶属度矩阵和目标函数，并利用改进的人工鱼群算法，迭代搜寻了目标函数的全局最优解，得到了各故障模式的聚类中心；通过计算测试数据的最近邻聚类中心，实现了故障模式识别。结果表明，该方法无需指定聚类簇数，能在标记数据量小的情况下完成训练，较同类方法表现出了更优的故障模式识别性能。 |
| 关 键 词： | 滚动轴承 故障诊断 人工鱼群算法 模糊C均值 迭代自组织数据分析 |
Bearing Fault Diagnosis Method Based on AFI Hybrid Clustering Algorithm |
|
| Authors: | JIN Yang WANG Lin CUI Langfu HUANG Yuntao ZHANG Qingzhen ZHANG Ru HAN Xiaoxuan ZHANG Chaoqi SONG Zixiong |
| Institution: | School of Automation Science and Electrical Engineering, Beihang University;Beijing Aerospace Control Instrument Research Institute;Beijing Aerospace Automatic Control Research Institute |
| Abstract: | |
| Keywords: | rolling bearing fault diagnosis artificial fish swarm algorithm fuzzy C-means iterative self-organizing data analysis |
| 点击此处可从《》浏览原始摘要信息 | |
| 点击此处可从《》下载免费的PDF全文 | |