全矢-模糊聚類及其在故障診斷中的應(yīng)用研究.pdf

1、近年來，旋轉(zhuǎn)機(jī)械設(shè)備日益大型化、智能化和復(fù)雜化，繼而針對這些設(shè)備展開的狀態(tài)監(jiān)測和故障診斷技術(shù)也愈加重要?；谕葱畔⑷诤系娜缸V分析技術(shù)，對多通道的數(shù)據(jù)進(jìn)行了融合，能夠正確反映轉(zhuǎn)子的真實(shí)運(yùn)動(dòng)，且與傳統(tǒng)的譜分析具有兼容性。同時(shí)由于數(shù)值算法簡單、穩(wěn)健、快速，更利于進(jìn)行智能故障診斷。模糊聚類算法是模式識(shí)別的一種，作為該類算法中最經(jīng)典的一種—模糊C均值(FCM)算法，因其對數(shù)據(jù)集結(jié)構(gòu)及初始值的敏感性，很難得到最佳聚類，鑒于此本文提出了兩種改進(jìn)算

2、法。本文以全矢譜分析為基礎(chǔ)，結(jié)合改進(jìn)的FCM算法，并將其應(yīng)用于旋轉(zhuǎn)機(jī)械的故障識(shí)別中。主要研究工作如下:
　　 1、介紹了全矢譜體系中的平面全矢譜理論及其數(shù)值算法;用實(shí)驗(yàn)驗(yàn)證了基于全矢譜方法的故障診斷的優(yōu)勢;提出了基于全矢譜技術(shù)的特征提取方法，為模糊聚類的準(zhǔn)確分類奠定了基礎(chǔ)。
　　 2、引入密度函數(shù)法和核函數(shù)法，提出了基于密度函數(shù)的模糊核聚類方法(DKFCM)，對經(jīng)典的FCM算法進(jìn)行了改進(jìn)，并給出了DKFCM算法的具體步驟

3、。將全矢譜和DKFCM算法結(jié)合起來應(yīng)用于旋轉(zhuǎn)機(jī)械的故障診斷中，給出了具體的故障分類流程。用實(shí)驗(yàn)驗(yàn)證了新方法的有效性及相對于傳統(tǒng)方法的優(yōu)勢:更高的分類的準(zhǔn)確率、更少的迭代次數(shù)。
　　 3、把遺傳算法和均勻設(shè)計(jì)法引入經(jīng)典的FCM算法中，提出了一種新的均勻遺傳模糊聚類算法(UGAFCM)。用全矢譜技術(shù)做特征提取，用UGAFCM算法建立分類器，建立了全矢—UGAFCM故障診斷方法的數(shù)學(xué)模型，給出了具體的診斷流程圖。通過實(shí)驗(yàn)研究驗(yàn)證了新方