基于小波包和聚类算法的滚动轴承故障检测研究 |
| |
引用本文: | 杨健,张永平.基于小波包和聚类算法的滚动轴承故障检测研究[J].盐城工学院学报(自然科学版),2023(1):67-73. |
| |
作者姓名: | 杨健 张永平 |
| |
作者单位: | 盐城工学院信息工程学院 |
| |
摘 要: | 针对Kmeans算法在滚轴故障检测中k值需要人工设定以及初始聚类中心的随机选取问题,提出I-Canopy-Kmeans算法的故障检测方法对其进行优化。该算法在初始聚类中心的随机选取方面,使用“最远最近”的原则,即在获取n个Canopy时,任意两个Canopy中心点之间的距离应该尽可能远,且第n个Canopy中心点应该是其他数据点与前面n-1个中心点最远距离中最小的一个;在阈值选取方面,使用欧氏距离求出所有数据点的均值点,再计算均值点到所有数据点的距离,并用L1和L2分别表示最远距离和最近距离,然后将(L1+L2)/2赋值给阈值T1、(L1+L2)/3赋值给阈值T2。实验结果表明,与传统Kmeans算法相比,I-Canopy-Kmeans算法的各项评价指标均有提高,其中IAR提高最多,达到了40.01%。
|
关 键 词: | 故障检测 轴承 小波包 聚类算法 |
|
|