振动与冲击
振動與遲擊
진동여충격
JOURNAL OF VIBRATION AND SHOCK
2013年
22期
84-87,105
,共5页
KNNC%K-均值聚类算法%滚动轴承%故障诊断%模式识别
KNNC%K-均值聚類算法%滾動軸承%故障診斷%模式識彆
KNNC%K-균치취류산법%곤동축승%고장진단%모식식별
KNNC%K-means clustering algorithm%rolling bearings%fault diagnosis%pattern recognition
为有效提高滚动轴承故障诊断率,正确识别不同故障类型,提出基于优化K-最近邻域分类器(K-Nea-rest Neighbor Classifier,KNNC)的轴承故障模式识别方法.分别求得滚动轴承训练样本与测试样本的振动特征指标,构建样本特征集.为加快分类速度,剔除不良样本干扰,利用K-均值聚类算法对样本进行优化精简,并将所得若干聚类中心作为新的约简训练集.据新训练集进行KNNC分析,实现模式识别.结果表明:该方法能快速、有效识别出滚动轴承4种不同故障模式,识别正确率明显提高.
為有效提高滾動軸承故障診斷率,正確識彆不同故障類型,提齣基于優化K-最近鄰域分類器(K-Nea-rest Neighbor Classifier,KNNC)的軸承故障模式識彆方法.分彆求得滾動軸承訓練樣本與測試樣本的振動特徵指標,構建樣本特徵集.為加快分類速度,剔除不良樣本榦擾,利用K-均值聚類算法對樣本進行優化精簡,併將所得若榦聚類中心作為新的約簡訓練集.據新訓練集進行KNNC分析,實現模式識彆.結果錶明:該方法能快速、有效識彆齣滾動軸承4種不同故障模式,識彆正確率明顯提高.
위유효제고곤동축승고장진단솔,정학식별불동고장류형,제출기우우화K-최근린역분류기(K-Nea-rest Neighbor Classifier,KNNC)적축승고장모식식별방법.분별구득곤동축승훈련양본여측시양본적진동특정지표,구건양본특정집.위가쾌분류속도,척제불량양본간우,이용K-균치취류산법대양본진행우화정간,병장소득약간취류중심작위신적약간훈련집.거신훈련집진행KNNC분석,실현모식식별.결과표명:해방법능쾌속、유효식별출곤동축승4충불동고장모식,식별정학솔명현제고.
