改进K均值模拟退火聚类算法的滚动轴承故障诊断

被引：20

作者：

姚立国

黄海松

机构：

[1] 贵州大学现代制造技术教育部重点实验室

来源：

组合机床与自动化加工技术 | 2017年 / 04期

关键词：

K均值; 模拟退火; 聚类分析; 故障诊断;

D O I：

10.13462/j.cnki.mmtamt.2017.04.029

中图分类号：

TH133.33 [滚动轴承];

学科分类号：

082805 [农业机械化与装备工程];

摘要：

为解决传统聚类分析方法 K均值易求得最优局部解而非最优全局解的问题,引入一种新的中心点交换机制,提出将K均值与模拟退火法相结合的改进K均值模拟退火算法。该算法既继承了K均值可调整聚类中心的特点,又利用模拟退火法跳出最优局部解,能为故障诊断提供一种新思路。论文采用gr120数据首先验证了该算法的可靠性。然后基于该算法构建了滚动轴承振动故障诊断模型,接着采用美国凯斯西储大学轴承数据中心滚动轴承数据对算法及模型进行了应用验证,验证结果表明该方法能够诊断出滚动轴承的典型故障。

引用

页码：114 / 117

页数：4

共 11 条

[1]

Dynamic particle swarm optimization and K-means clustering algorithm for image segmentation [J].

Li, Haiyang ;

He, Hongzhou ;

Wen, Yongge .

OPTIK, 2015, 126 (24) :4817-4822

[2]

Improved Fuzzy C-Means based Particle Swarm Optimization (PSO) initialization and outlier rejection with level set methods for MR brain image segmentation [J].

Mekhmoukh, Abdenour ;

Mokrani, Karim .

COMPUTER METHODS AND PROGRAMS IN BIOMEDICINE, 2015, 122 (02) :266-281

[3]

Gene selection from microarray gene expression data for classification of cancer subgroups employing PSO and adaptive K-nearest neighborhood technique [J].

Kar, Subhajit ;

Das Sharma, Kaushik ;

Maitra, Madhubanti .

EXPERT SYSTEMS WITH APPLICATIONS, 2015, 42 (01) :612-627

[4]

Fault diagnosis of rolling bearings using a genetic algorithm optimized neural network.[J].Muhammet Unal;Mustafa Onat;Mustafa Demetgul;Haluk Kucuk.Measurement.2014,

[5]

A fuzzy anomaly detection system based on hybrid PSO-Kmeans algorithm in content-centric networks.[J].Amin Karami;Manel Guerrero-Zapata.Neurocomputing.2015,

[6]

An approach based on simulated annealing to optimize the performance of extraction of the flower region using mean-shift segmentation [J].