采煤机滚动轴承故障诊断新方法
[Abstract]:Aiming at the instability of fault diagnosis results of shearer rolling bearing based on K-means clustering algorithm, a new fault diagnosis method of shearer rolling bearing based on TDKM-RBF neural network is proposed. In this method, the initial clustering center of K-means clustering algorithm is determined by Tree Distribution algorithm, and the volatility of K-means clustering results is eliminated. The parameters of RBF neural network are determined by K-means algorithm, and then the trained neural network is used in fault diagnosis. The simulation results show that the clustering process of this method is rapid and the stability is high, and the accuracy of fault diagnosis of shearer rolling bearings is improved.
【作者单位】： 山东科技大学电气与自动化工程学院;
【基金】：山东省自然科学基金项目(ZR2012EEM021)
【分类号】：TD421.6
【参考文献】
相关期刊论文 前10条
1 张应红;李聪;景晖;闫建军;;基于人工神经网络技术的矿用皮带机滚动轴承故障诊断[J];机床与液压;2014年03期
2 冯波;郝文宁;陈刚;占栋辉;;K-means算法初始聚类中心选择的优化[J];计算机工程与应用;2013年14期
3 孙旺旺;任传胜;朱春伟;;基于模糊RBF神经网络的滚动轴承故障诊断[J];机械研究与应用;2013年02期
4 胡爱军;马万里;唐贵基;;基于集成经验模态分解和峭度准则的滚动轴承故障特征提取方法[J];中国电机工程学报;2012年11期
5 胡耀斌;厉善元;胡良斌;;基于神经网络的滚动轴承故障诊断方法的研究[J];机械设计与制造;2012年02期
6 苏铁明;叶三排;孙伟;;基于FCM聚类和RBF神经网络的机床热误差补偿建模[J];组合机床与自动化加工技术;2011年10期
7 许同乐;陈武勤;;基于专家系统滚动轴承故障诊断研究[J];煤矿机械;2010年11期
8 谢振平;刘基宏;王士同;;RBF网络的鲁棒最小二乘学习算法[J];控制与决策;2010年04期
9 赖玉霞;刘建平;;K-means算法的初始聚类中心的优化[J];计算机工程与应用;2008年10期
10 赵志宇,邵诚,于云满;基于小波变换的滚动轴承故障诊断专家系统的研究[J];机械设计与研究;2005年01期
相关硕士学位论文 前4条
1 李卉;基于状态监测的滚动轴承性能退化评估[D];大连工业大学;2015年
2 刘亚军;基于小波分析和神经网络的电机故障诊断研究[D];中北大学;2009年
3 吴秋明;基于RBF神经网络的故障诊断[D];江苏大学;2006年
4 崔宝珍;基于小波分析的滚动轴承故障诊断方法研究与应用[D];中北大学;2005年
【共引文献】
相关期刊论文 前10条
1 齐磊;王海瑞;李宇芳;李英;任玉卿;;基于谐波小波包和DAG-RVM的滚动轴承故障诊断[J];计算机应用与软件;2017年05期
2 邓飞跃;唐贵基;;基于时间-小波能量谱样本熵的滚动轴承智能诊断方法[J];振动与冲击;2017年09期
3 郁启麟;;K-means算法初始聚类中心选择的优化[J];计算机系统应用;2017年05期
4 公茂法;郭一萱;闫鹏;吴娜;张超;;采煤机滚动轴承故障诊断新方法[J];工矿自动化;2017年05期
5 范强龙;刘文白;孔戈;高建卫;;马赛克墙面质量检测研究[J];住宅科技;2017年04期
6 雷蕴霆;;WPT与EMD结合的转辙机故障诊断系统[J];机械制造与自动化;2017年02期
7 潘志敏;刘琨;梁勇超;罗勋华;黄纯;;基于峭度值的超高压输电线路单相故障性质识别[J];电力系统及其自动化学报;2017年04期
8 杨长征;;基于角域经验小波变换的滚动轴承故障诊断[J];机械传动;2017年04期
9 杨洪柏;张宏利;刘树林;;基于可视化异类特征优选融合的滚动轴承故障诊断[J];计算机应用;2017年04期
10 赵佳佳;贾嵘;武桦;董开松;党建;;基于FastICA-EEMD的振动信号特征提取[J];水力发电学报;2017年03期
相关硕士学位论文 前10条
1 韩雪晴;滚动轴承在线监测系统的研究与开发[D];兰州理工大学;2016年
2 郭玉;基于仿生模式识别的机械故障诊断方法研究[D];西安工业大学;2016年
3 宋胜博;基于敏感部件检测的APU智能故障诊断方法研究[D];中国民航大学;2016年
4 陈鸿;同步发电机无刷励磁系统旋转整流器故障诊断研究[D];福建农林大学;2016年
5 沈峰;在线监测系统及小波分析在破碎机故障诊断中的应用[D];辽宁科技大学;2016年
6 黄山;换流站阀水冷系统在线监测技术研究及应用[D];上海工程技术大学;2016年
7 邢义通;滚动轴承在非稳定运行过程中的故障特征表现和诊断方法研究[D];内蒙古科技大学;2015年
8 牟俊汉;基于ANSYS的农用异步电动机故障分析及检测系统设计[D];黑龙江八一农垦大学;2015年
9 杨洋;振动筛的典型故障诊断和状态监测[D];西安建筑科技大学;2015年
10 孙卫国;汽车电动座椅自动检测系统[D];燕山大学;2015年
【二级参考文献】
相关期刊论文 前10条
1 吕俊峰;陈小安;赵孟娜;;基于改进神经网络的少齿差行星齿轮参数优化设计[J];重庆理工大学学报(自然科学);2012年02期
2 江帆;李伟;曹保钰;王泽文;;基于RBF神经网络的转子-轴承系统故障诊断[J];轴承;2012年02期
3 秦海勤;徐可君;隋育松;于世胜;;基于系统信息融合的滚动轴承故障模式识别[J];振动.测试与诊断;2011年03期
4 耿烨;孔月萍;刘欣;;基于查找表的误差分散半调图像的混合压缩算法[J];计算机应用;2011年05期
5 时建峰;时军;时伟;周明;李增贺;;基于小波包与改进BP神经网络的齿轮故障诊断[J];机械研究与应用;2011年01期
6 熊渊;孟令启;;基于RBF的轴承钢变形抗力的预测[J];钢铁研究学报;2011年02期
7 高颖;王修亮;陆旭青;殷允锋;;基于PSO的可能性C均值聚类算法的研究[J];计算机仿真;2010年09期
8 刘海波;杨建伟;蔡国强;姚德臣;;改进小波包与RBF网络在轴承诊断中的应用[J];机械设计与研究;2010年02期
9 齐天;裘焱;吴亚锋;;利用聚合经验模态分解抑制振动信号中的模态混叠[J];噪声与振动控制;2010年02期
10 苏文胜;王奉涛;张志新;郭正刚;李宏坤;;EMD降噪和谱峭度法在滚动轴承早期故障诊断中的应用[J];振动与冲击;2010年03期
相关硕士学位论文 前10条
1 汪寅虎;基于状态监测的旋转部件可靠性评估方法研究[D];大连理工大学;2014年
2 张金会;基于支持向量机的智能数据挖掘算法研究[D];华北电力大学;2014年
3 周帅;基于时频分析的旋转机械故障诊断方法研究与应用[D];大连理工大学;2012年
4 王双娥;基于支持向量机的小样本事件预测[D];华中科技大学;2012年
5 马宁;运动目标检测跟踪技术研究及DSP实现[D];太原理工大学;2010年
6 张伟;一种基于解析中心割平面法的分类算法[D];大连理工大学;2009年
7 童设坤;SVR的参数选择及其应用[D];江南大学;2009年
8 周晓剑;拉斯噪声和均匀噪声下SVR的鲁棒性研究[D];江南大学;2008年
9 黄锡泉;齿轮箱状态监测与故障诊断专家系统研究[D];中北大学;2006年
10 刘凉;基于神经网络感应电机故障监测诊断的研究[D];天津理工大学;2006年
【相似文献】
相关期刊论文 前10条
1 陈洪军;赵新泽;王延军;;滚动轴承故障试验台的理论建模分析[J];四川理工学院学报(自然科学版);2005年04期
2 柴春红;曹志刚;;滚动轴承故障的模糊诊断[J];煤矿机械;2006年04期
3 盛健;;滚动轴承故障浅析[J];化工之友;2007年17期
4 刘春光;谭继文;战卫侠;张驰;;基于多传感器信息融合技术在滚动轴承故障诊断中的应用[J];煤矿机械;2010年06期
5 周云;;滚动轴承故障诊断技术的简单运用[J];合成技术及应用;2012年02期
6 孙成利;张伟;王永清;;如何准确地判断滚动轴承故障[J];中国石油和化工标准与质量;2012年08期
7 高金林,陈克兴;滚动轴承故障的诊断方法[J];钢铁钒钛;1991年03期
8 陆爽,张子达,李萌;基于时频分析的滚动轴承故障特征的研究[J];矿山机械;2004年03期
9 谭红,陈珊珊;滚动轴承故障诊断技术的应用[J];冶金设备;2004年03期
10 田野,侯跃谦,李萌,陆爽;基于小波减噪的滚动轴承故障频率的识别[J];煤矿机械;2005年06期
相关会议论文 前10条
1 张益纯;;常见滚动轴承故障诊断的技术探讨[A];第十届全国设备监测与诊断技术学术会议论文集[C];2000年
2 刘玉林;;货车滚动轴承故障不分解诊断技术参数选择与优化探讨[A];扩大铁路对外开放、确保重点物资运输——中国科协2005年学术年会铁道分会场暨中国铁道学会学术年会和粤海通道运营管理学术研讨会论文集[C];2005年
3 杨积忠;左立建;;滚动轴承故障诊断实例[A];设备监测与诊断技术及其应用——第十二届全国设备监测与诊断学术会议论文集[C];2005年
4 何斌;戚佳杰;;小波分析在滚动轴承故障诊断中的应用研究[A];第九届全国振动理论及应用学术会议论文摘要集[C];2007年
5 李放宁;;峰值能量在滚动轴承故障诊断中的应用[A];第十届全国设备监测与诊断技术学术会议论文集[C];2000年
6 何斌;戚佳杰;;小波分析在滚动轴承故障诊断中的应用研究[A];第九届全国振动理论及应用学术会议论文集[C];2007年
7 张九军;;常见滚动轴承故障的简易诊断[A];2008年全国炼铁生产技术会议暨炼铁年会文集（上册）[C];2008年
8 李兴林;;滚动轴承故障诊断技术现状及发展[A];2009年全国青年摩擦学学术会议论文集[C];2009年
9 唐海峰;陈进;董广明;;信号稀疏分解方法在滚动轴承故障诊断中的应用[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
10 高耀智;;高阶统计量与小波分析相结合在滚动轴承故障诊断中的应用[A];2009年全国青年摩擦学学术会议论文集[C];2009年
相关博士学位论文 前10条
1 郝腾飞;航空发动机滚动轴承故障的核方法智能识别技术研究[D];南京航空航天大学;2014年
2 廖强;约束独立分量和多小波分析在滚动轴承故障诊断中的应用[D];电子科技大学;2016年
3 曾鸣;基于凸包的模式识别方法及其在滚动轴承故障诊断中的应用[D];湖南大学;2016年
4 于江林;滚动轴承故障的非接触声学检测信号特性及重构技术研究[D];大庆石油学院;2009年
5 杨柳松;基于小波分析与神经网络滚动轴承故障诊断方法的研究[D];东北林业大学;2013年
6 从飞云;基于滑移向量序列奇异值分解的滚动轴承故障诊断研究[D];上海交通大学;2012年
7 赵协广;基于小波变换和经验模态分解的滚动轴承故障诊断方法研究[D];山东科技大学;2009年
8 侯者非;强噪声背景下滚动轴承故障诊断的关键技术研究[D];武汉理工大学;2010年
9 郭艳平;面向风力发电机组齿轮箱滚动轴承故障诊断的理论与方法研究[D];浙江大学;2012年
10 孟涛;齿轮与滚动轴承故障的振动分析与诊断[D];西北工业大学;2003年
相关硕士学位论文 前10条
1 李男;基于LMD样本熵和贝叶斯网络的滚动轴承故障诊断方法[D];燕山大学;2015年
2 李玉奎;基于非平稳信号分析的滚动轴承故障诊断研究[D];燕山大学;2015年
3 卜勇霞;基于时频分析方法的滚动轴承故障诊断研究[D];昆明理工大学;2015年
4 马宝;基于KICA和LSSVM的滚动轴承故障监测及诊断方法[D];昆明理工大学;2015年
5 冯春生;基于多源不确定信息融合的数控机床滚动轴承故障诊断方法与实验研究[D];青岛理工大学;2015年
6 王天一;基于正交小波优化阈值降噪方法的滚动轴承故障诊断研究[D];哈尔滨工业大学;2015年
7 宋耀文;基于振动信号分析的滚动轴承故障特征提取与诊断研究[D];中国矿业大学;2015年
8 韩一村;基于多传感器的滚动轴承故障检测研究[D];河南科技大学;2015年
9 王秀娟;基于LMD的谱峭度算法在滚动轴承故障诊断中的应用研究[D];电子科技大学;2014年
10 段永强;局部均值分解法在滚动轴承故障自动诊断中的应用研究[D];电子科技大学;2015年
，本文编号：2204648
本文链接：https://www.wllwen.com/kejilunwen/kuangye/2204648.html
