计算机测量与控制
計算機測量與控製
계산궤측량여공제
COMPUTER MEASUREMENT & CONTROL
2015年
4期
1121-1123
,共3页
K均值聚类算法%特征提取%机械故障检测
K均值聚類算法%特徵提取%機械故障檢測
K균치취류산법%특정제취%궤계고장검측
k-means clustering algorithm%feature extraction%mechanical fault detection
针对传统的K均值聚类算法在机械故障检测的过程中,由于对K值的选择具有较强的主观性,最后极易得到局部最优解,而非全局最优解,降低了机械故障检测的准确性.提出一种改进K均值聚类的机械故障智能检测方法;将K均值聚类算法与粒子群算法相结合,在迭代处理的过程中,结合K均值进行优化,即将粒子群算法中的子代个体利用K均值聚类进行运算获取局部最优解,并使用这些个体继续参与迭代处理,这样能够提高算法的收敛速度,避免陷入局部最优解,获得准确的机械故障信号特征;实验结果表明,利用K均值倾斜特征提取的机械故障智能检测算法进行机械故障检测,能够有效提高故障检测的准确性,取得了令人满意的效果.
針對傳統的K均值聚類算法在機械故障檢測的過程中,由于對K值的選擇具有較彊的主觀性,最後極易得到跼部最優解,而非全跼最優解,降低瞭機械故障檢測的準確性.提齣一種改進K均值聚類的機械故障智能檢測方法;將K均值聚類算法與粒子群算法相結閤,在迭代處理的過程中,結閤K均值進行優化,即將粒子群算法中的子代箇體利用K均值聚類進行運算穫取跼部最優解,併使用這些箇體繼續參與迭代處理,這樣能夠提高算法的收斂速度,避免陷入跼部最優解,穫得準確的機械故障信號特徵;實驗結果錶明,利用K均值傾斜特徵提取的機械故障智能檢測算法進行機械故障檢測,能夠有效提高故障檢測的準確性,取得瞭令人滿意的效果.
침대전통적K균치취류산법재궤계고장검측적과정중,유우대K치적선택구유교강적주관성,최후겁역득도국부최우해,이비전국최우해,강저료궤계고장검측적준학성.제출일충개진K균치취류적궤계고장지능검측방법;장K균치취류산법여입자군산법상결합,재질대처리적과정중,결합K균치진행우화,즉장입자군산법중적자대개체이용K균치취류진행운산획취국부최우해,병사용저사개체계속삼여질대처리,저양능구제고산법적수렴속도,피면함입국부최우해,획득준학적궤계고장신호특정;실험결과표명,이용K균치경사특정제취적궤계고장지능검측산법진행궤계고장검측,능구유효제고고장검측적준학성,취득료령인만의적효과.