基于云理论及GG聚类的滚动轴承故障辨识方法 |
| |
引用本文: | 刘强,赵荣珍,杨泽本.基于云理论及GG聚类的滚动轴承故障辨识方法[J].振动.测试与诊断,2024(2):284-290+409. |
| |
作者姓名: | 刘强 赵荣珍 杨泽本 |
| |
作者单位: | 兰州理工大学机电工程学院 |
| |
基金项目: | 国家自然科学基金资助项目(51675253); |
| |
摘 要: | 为了探讨不同特征对区分滚动轴承故障状态贡献的大小,在特征层面上使轴承的定性概念与定量数据建立关联,以达到敏感特征提取的目的,将云理论引入到滚动轴承的特征筛选中,并将所提方法结合GG(Gath-Geva,简称GG)聚类应用于滚动轴承的故障辨识。首先,对滤波消噪后的振动信号提取高维原始特征集,建立滚动轴承在不同运行状态下的云分布模型;然后,利用正向云发生器分别求出不同样本下各特征对轴承状态的确定度,设定阈值筛选原始特征集中对轴承运行状态贡献度大的特征,计算其出现的概率并作为权值,提出一种基于云理论加权特征选择方法,筛选出敏感特征集;最后,利用主成分分析(principal component analysis,简称PCA)对敏感特征集降维并输入至GG聚类中,完成故障辨识。实验结果表明,相较于传统的特征选择方法,所提算法在聚类评价指标及故障辨识率上具有明显的优势。
|
关 键 词: | 滚动轴承 云理论 特征选择 特征加权 确定度 GG聚类 |
|
|