优化KNNC算法在滚动轴承故障模式识别中应用 |
| |
引用本文: | 胡 智,段礼祥,张来斌.优化KNNC算法在滚动轴承故障模式识别中应用[J].振动与冲击,2013,32(22):84-87. |
| |
作者姓名: | 胡 智 段礼祥 张来斌 |
| |
作者单位: | 中国石油大学 (北京)城市油气输配技术北京市重点实验室,北京 102249 |
| |
摘 要: | 为有效提高滚动轴承故障诊断率,正确识别不同故障类型,提出基于优化K-最近邻域分类器(K-Nearest Neighbor Classifier,KNNC)的轴承故障模式识别方法。分别求得滚动轴承训练样本与测试样本的振动特征指标,构建样本特征集。为加快分类速度,剔除不良样本干扰,利用K-均值聚类算法对样本进行优化精简,并将所得若干聚类中心作为新的约简训练集。据新训练集进行KNNC分析,实现模式识别。结果表明:该方法能快速、有效识别出滚动轴承4种不同故障模式,识别正确率明显提高。
|
关 键 词: | KNNC K-均值聚类算法 滚动轴承 故障诊断 模式识别 |
收稿时间: | 2012-11-9 |
修稿时间: | 2012-12-31 |
|
| 点击此处可从《振动与冲击》浏览原始摘要信息 |
|
点击此处可从《振动与冲击》下载全文 |
|