-
题名滚动轴承故障特征提取及智能诊断方法研究
- 1
-
-
作者
阮百强
张海燕
-
机构
湛江市技师学院先进制造产业系
湛江科技学院智能制造工程学院
-
出处
《机械设计与制造》
北大核心
2025年第11期42-48,共7页
-
基金
广东省人力资源和社会保障厅省级教学研究立项课题(KT2022074)。
-
文摘
在实际工程应用中,传感器收集的振动信号常常包含噪声等异常值,这会严重影响从观测信号中分离源信号的准确性。混合矩阵估计在欠定盲源分离中起着重要作用,直接决定了源信号恢复的效果。因此,这里提出了一种结合层次聚类和K-means的两阶段聚类方法,以提高混合矩阵估计的可靠性。具体而言,该方法旨在解决K-means算法中的两个主要问题,即初始聚类中心的随机选择和算法对异常值的敏感性。首先,通过层次聚类对观测信号进行聚类,以获得聚类中心。然后,利用余弦距离剔除偏离聚类中心的异常值。接着,通过计算剩余聚类的均值来获得初始聚类中心。最后,采用改进的K-means算法估计混合矩阵,并利用最小二乘法恢复源信号。以港口装卸机械设备中的滚动轴承故障仿真以及实验结果验证了所提方法的有效性。
-
关键词
欠定盲源分离
混合矩阵估计
K-MEANS
滚动轴承
特征提取
-
Keywords
Underdetermined Blind Source Separation
Mixed Matrix Estimation
K-means
Rolling Bearing
Feature Extraction
-
分类号
TH16
[机械工程—机械制造及自动化]
TP181
[自动化与计算机技术—控制理论与控制工程]
-
