基于半监督模糊核聚类的齿轮箱早期故障检测方法
研究核聚类方法在机械故障检测中的应用问题,将基于半监督学习的模糊核聚类方法用于齿轮箱早期故障的检测.机械故障早期检测的难点是故障特征不明显、样本差异小.基于半监督学习的核聚类方法利用少量已知模式的样本,结合大量未知模式的样本进行半监督学习,得到较好的识别效果.进行了齿轮箱正常运行和齿轮轻微剥落的故障实验,比较了基于半监督学习的核聚类方法与无监督学习核聚类方法的检测效果.结果表明,基于半监督学习的核聚类方法性能更优越.
核函数 模糊聚类 半监督学习 离群检测 齿轮箱故障 故障检测
毕锦烟 李巍华
华南理工大学汽车工程学院,广东,广州,510640
国内会议
第九届全国振动理论及应用学术会议暨中国振动工程学会成立20周年庆祝大会
杭州
中文
2201-2206
2007-10-17（万方平台首次上网日期，不代表论文的发表时间）