摘要
针对轴承等机械设备的性能退化状态识别问题,研究并提出一种基于GG（Gath-Geva）模糊聚类的退化状态识别方法。首先分析轴承性能退化过程中的基本尺度熵演化规律,分析该参数的单调性与敏感性。考虑到退化状态在时间尺度的连续性,构建包括基本尺度熵、有效值以及退化时间的三维退化特征向量,并采用GG模糊聚类方法对轴承性能退化状态的不同阶段进行划分,实现对性能退化状态的识别。采用来自IEEE PHM 2012的轴承全寿命试验数据进行实例分析,并与模糊C-均值聚类（FCM）、GK（Gustafaon-Kessel）算法进行对比,结果表明,方法聚类效果更优,同一退化状态内的时间聚集度更高。
A method based on GG（Gath-Geva） clustering is studied and proposed in order to recognize degradation condition for bearing and other machinery.The evolution rule of basic scale entropy for bearing in performance degradation process is analyzed firstly,and the monotonicity and sensitivity of the parameter are emphasized.Considering the continuity of the bearing degradation state at the time scale,the three dimensional degradated eigenvectors are constructed including basic scale entropy,the root mean square and the degradation time,and the GG fuzzy clustering method is used to divide the different stages of the performance degradation state and realize bearing performance degradation recognition.Bearing whole lifetime test data from IEEE PHM 2012 is adopted in the experiments,FCM and GK clustering algorithms are utilized for comparison.The results show that the proposed method has better clustering performance and higher time aggregation in the same degraded state.
作者
王冰
王微
胡雄
孙德建
Wang Bing;Wang Wei;Hu Xiong;Sun Dejian(Logistics Engineering College, Shanghai Maritime University, Shanghai 201306, China)
出处
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2018年第3期21-28,共8页
Chinese Journal of Scientific Instrument
基金
国家高技术研究发展计划(863计划)(2013AA041106)项目资助
关键词
基本尺度熵
GG模糊聚类
滚动轴承
退化特征
basic scale entropy
GG fuzzy clustering
rolling bearing
degradation feature
作者简介
王冰，分别在2006年、2009年和2013年于军械工程学院获得学士学位、硕士学位和博士学位，现为上海海事大学博士后，主要研究方向为港口机械健康状态监测与性能评估。E—mail：bwang@shmtu．edu．cn;胡雄（通信作者），分别在1984年和1997年于上海交通大学获得学士学位和博士学位，现为上海海事大学教授，主要研究方向为大型港口机械的健康管理、故障诊断与安全评估。E—mail：huxiong@shmtu．edu．cn
