聚类算法在转子故障诊断中的应用

发布时间：2017-11-04 17:01

  本文关键词：聚类算法在转子故障诊断中的应用

  更多相关文章： 旋转机械 聚类算法 故障诊断 K近邻算法 交叉验证 特征提取

【摘要】：旋转机械在日常生产生活中充当重要角色,一旦出现故障会对相关设备正常运转产生致命影响,因此监测旋转机械的转子系统的运行状态及时发现故障并分析其原因具有重要意义。本文针对现代旋转机械日益精密化、复杂化,应用当前诊断手段进行故障诊断时准确度较低的现状,提出将处理大数据能力较强的聚类分析法引入旋转机械故障诊断中。首先研究了聚类算法,对其中经典的3种聚类算法用于模式识别进行了比较研究,发现K近邻聚类算法具有明显的优势,遂提出将K近邻聚类算法应用到旋转机械故障诊断领域。通过对K近邻聚类算法的仿真分析研究,发现K近邻聚类算法当中的K值对聚类结果影响较大,提出了交叉验证K近邻算法对K值进行确定。最后,在转子故障模拟综合实验平台上模拟了7种常见的转子系统故障,通过对采集的信号进行时域频域分析,并获取故障的特征作为数据属性,然后采用K近邻聚类算法对故障进行识别。结果表明聚类算法在转子故障诊断中应用具有一定的可行性。
【学位授予单位】：西安工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TH165.3

【参考文献】

中国期刊全文数据库 前10条

1 罗邦R，

本文编号：1140290