基于AP聚類算法的結(jié)構(gòu)健康狀態(tài)監(jiān)測(cè)技術(shù)研究.pdf

1、隨著科學(xué)技術(shù)的發(fā)展,機(jī)械設(shè)備越來(lái)越復(fù)雜,設(shè)備運(yùn)行中發(fā)生故障或失效可能會(huì)造成巨大的損失。因此,及時(shí)地監(jiān)測(cè)設(shè)備健康狀態(tài),可以有效保障設(shè)備安全可靠運(yùn)行,防止事故的發(fā)生。本文以滾動(dòng)軸承為研究對(duì)象,研究了基于AP聚類算法的機(jī)械結(jié)構(gòu)健康狀態(tài)監(jiān)測(cè)技術(shù),研究工作和成果如下:
　　為了提取有效的設(shè)備健康狀態(tài)特征,研究了信號(hào)的預(yù)處理方法:時(shí)域指標(biāo)、頻域指標(biāo)和小波包變換。實(shí)驗(yàn)表明:當(dāng)滾動(dòng)軸承出現(xiàn)不同損傷時(shí),振動(dòng)信號(hào)的時(shí)域、頻域、時(shí)頻域指標(biāo)都會(huì)發(fā)生變化,

2、且在不同損傷狀態(tài)時(shí),這些指標(biāo)有明顯差別;因此,特征提取不僅可以降低設(shè)備狀態(tài)參量的維數(shù),同時(shí)也可以有效地描述設(shè)備的健康狀態(tài)。
　　為了描述設(shè)備健康狀態(tài),研究了基于能量熵的健康狀態(tài)監(jiān)測(cè)方法,首先對(duì)設(shè)備的振動(dòng)信號(hào)進(jìn)行小波包分解以獲取各個(gè)頻帶的相對(duì)能量,然后獲得熵值,實(shí)驗(yàn)表明:小波包能量熵可以有效地鑒別故障狀態(tài)和損傷程度,可以用來(lái)監(jiān)測(cè)滾動(dòng)軸承健康狀態(tài)的變化歷程。
　　針對(duì)一般聚類算法需要事先指定類別數(shù)或聚類不收斂等問(wèn)題,研究了AP聚

3、類分析的結(jié)構(gòu)健康狀態(tài)監(jiān)測(cè)方法,實(shí)驗(yàn)表明:AP聚類算法參考度p和收斂系數(shù)λ對(duì)聚類結(jié)果有較大的影響,在參考度p相同的情況下,收斂系數(shù)λ增大,算法的迭代次數(shù)也隨之增加,如果收斂系數(shù)λ過(guò)小,算法可能會(huì)出現(xiàn)振蕩甚至不收斂;在相同收斂系數(shù)λ的情況下,參考度p的取值會(huì)影響聚類分析的結(jié)果,當(dāng)參考度取值較大時(shí),會(huì)產(chǎn)生分類過(guò)多的現(xiàn)象,而當(dāng)參考度取值較小時(shí),會(huì)出現(xiàn)欠分類的現(xiàn)象。相對(duì)而言,參考度的取值對(duì)聚類結(jié)果的影響較大。
　　為了克服AP算法的聚類結(jié)果