改进K均值模拟退火聚类算法的滚动轴承故障诊断.pdf

《改进K均值模拟退火聚类算法的滚动轴承故障诊断.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第4期组合机床与自动化加工技术No．42017年4月ModularMachineTool＆AutomaticManufacturingTechniqueApr．2017文章编号:1001－2265(2017)04－0114－04DOI:10．13462/j．cnki．mmtamt．2017．04．029*改进K均值模拟退火聚类算法的滚动轴承故障诊断姚立国，黄海松(贵州大学现代制造技术教育部重点实验室，贵阳550025)摘要:为解决传统聚类分析方法K均值易求得最优局部解而非最优全局解的问题，引入一种新的中心点交换机制，提

2、出将K均值与模拟退火法相结合的改进K均值模拟退火算法。该算法既继承了K均值可调整聚类中心的特点，又利用模拟退火法跳出最优局部解，能为故障诊断提供一种新思路。论文采用gr120数据首先验证了该算法的可靠性。然后基于该算法构建了滚动轴承振动故障诊断模型，接着采用美国凯斯西储大学轴承数据中心滚动轴承数据对算法及模型进行了应用验证，验证结果表明该方法能够诊断出滚动轴承的典型故障。关键词:K均值;模拟退火;聚类分析;故障诊断中图分类号:TH133．3;TG506文献标识码:AＲollingBearingFaultDiagnosi

3、sBasedonImprovedK－meansSimulatedAnnealingClusteringAlgorithmYAOLi-guo，HUANGHai-song(KeyLaboratoryofAdvancedManufacturingTechnology，MinistryofEducation，GuizhouUniversity，Guiyang550025，China)Abstract:InordertosolvethetraditionalclusteringanalysisK-meansalgorithmea

4、sytoobtaintheoptimallocalsolutionsratherthantheglobaloptimalsolutionoftheproblem，introducedanewcenterexchangemechanism，animprovedK-meanssimulatedannealingalgorithmisproposed，whichcombinesthevalueofK-meanswiththesimulatedannealingmethod．Thisalgorithmnotonlyinheri

5、tsthecharacteristicsoftheK-meanstoadjusttheclustercenter，butalsocanprovideanewwayofthinkingforthefaultdiagnosisbyu-singthesimulatedannealingmethodtojumpouttheoptimallocalsolution．Gr120dataisusedtoverifythereliabilityofthealgorithm．Thenthealgorithmforconstructing

6、therollingbearingvibrationfaultdiagnosismodelbasedon．Andthen，theUnitedStatesatCaseWesternＲeserveUniversitybearingdatacenterrollingbearingdatathealgorithmandmodelareverified，verificationresultsshowthatthemethodcandiagnosethetypicalfaultsofrollingbearing．Keywords:

7、K-means;simulatedannealing;clusteranalysis;faultdiagnosis0引言轴承的振动信号进行故障特征提取和模式识别具有十［2］分重要的意义。启发式算法和K均值是两种不同随着中国制造2025的提出，制造行业迎来了新的的聚类分析方法。骆志高等［3］利用遗传算法的寻优功机遇，越来越多的机械设备应用于各个行业。但机械能，对故障的特征参数进行自动优化，最后利用逐次诊故障的发生会影响生产效率，造成经济损失。因此，进断理论，对变工况条件下的滚动轴承复合故障进行诊行机械故障诊断显得尤为重要

8、。聚类分析是重要的数断。MuhammetUnal等［4］使用遗传算法对人工神经网据挖掘与模式识别方法，目的是寻找数据集中所包含络进行改进，用改进的方法对滚动轴承故障进行了验［1］的簇结构，根据数据属性，将数据集分群，被广泛应证实验测试。提供了一个最佳的熟练快速反应网络架用于故障诊断领域。［5］构，可有效改进滚动轴承故障分类结果。郭