基于蚁群SVDD和聚类方法的旋转机械故障诊断

杜文辽; 李安生; 孙旺; 李彦明; 刘成良

首页> 中文期刊> 《上海交通大学学报》 >基于蚁群SVDD和聚类方法的旋转机械故障诊断

基于蚁群SVDD和聚类方法的旋转机械故障诊断

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

针对典型故障样本缺乏而使常规机器学习方法无法直接应用的难题,提出了一个基于支持向量数据描述(SVDD)新异类检测与基于Davies Bouldin指数(DBI)的K均值聚类方法相结合的旋转机械故障诊断框架.首先,针对正常状态样本建立SVDD模型,并利用蚁群算法对SVDD模型参数进行优化;然后,当拒绝样本数目累积到设定的阈值时,利用K均值聚类方法对其进行处理而获得能够进行标记的类别,其中,K均值聚类的类型数目由DBI辅助确定;最后,针对所标记的各类样本,分别建立SVDD模型并进行训练,将SVDD分类器按照二叉树形式构建系统状态的完整诊断模型.同时,利用滚动轴承多故障模式样本进行训练测试,以验证所提出算法的有效性.结果表明,所提出算法的训练速度为常规网格搜索算法的近10倍,DBI能够有效确定聚类的数目,对样本状态的识别率达到100%.

著录项

来源
《上海交通大学学报》 |2012年第9期|1440-1444|共5页
作者
杜文辽; 李安生; 孙旺; 李彦明; 刘成良;
展开▼
作者单位

上海交通大学机械系统与振动国家重点实验室;

郑州轻工业学院机电工程学院;

展开▼
原文格式 PDF
正文语种 chi
中图分类人工神经网络与计算;
关键词
蚁群支持向量数据描述; K均值聚类; Davies; Bouldin指数; 旋转机械; 故障诊断;

相似文献

中文文献
外文文献
专利

1. 神经网络聚类方法在旋转机械故障诊断中的应用研究 [J] . 郝伟 ,张瑞林 . 郑州工学院学报 . 1995,第004期
2. 基于数学形态学和模糊聚类的旋转机械故障诊断 [J] . 王书涛 ,张金敏 ,李圆圆 . 仪器仪表学报 . 2012,第5期
3. 基于粒子群优化模糊聚类的旋转机械故障诊断 [J] . 胡方霞 ,谢志江 . 现代科学仪器 . 2011,第002期
4. 基于小波与聚类分析相结合的旋转机械故障诊断 [J] . 范志鹏 ,张聪炳 ,吴敦胜 . 湖南农机 . 2011,第001期
5. 基于奇异值分解、模糊聚类和粗糙集理论的旋转机械故障诊断 [J] . 李如强 ,陈进 ,伍星 . 振动与冲击 . 2005,第004期
6. 神经网络聚类方法在旋转机械故障诊断中的应用研究 [C] . 郝伟 . 第五届机械设备故障诊断学术会议 . 1996
7. 基于PCA与蚁群算法的旋转机械故障诊断方法研究 [A] . 周博 . 2012

基于蚁群SVDD和聚类方法的旋转机械故障诊断

摘要

著录项

相似文献

相关主题

期刊订阅