基于快速搜索密度峰值聚类的智能故障诊断

摘要：

为了在无诊断专家的情况下,仍然可以准确地对故障类别进行区分,提出了一种基于快速搜索密度峰值聚类(Clustering by fast search and find of density peaks)的智能故障诊断模型.该模型分别采用小波包变换(WPT)和变分模态分解(VMD)方法对原始振动信号进行分解,提取各分解信号的时域指标和频域指标组成联合特征,然后利用距离评估技术对联合特征进行评估,并选取敏感特征作为密度峰值聚类算法的输入,从而实现对机器不同状态的自动识别.实验结果表明,小波包分解、变分模态分解、距离评估技术能够精细地获取故障信息,从大量的故障特征中筛选出敏感特征.同时,快速搜索密度峰值聚类算法自动识别了不同的故障类别,在一定程度上增加了该模型的智能化程度.

关键词： 机械设备 故障诊断 快速搜索密度峰值聚类 变分模式分解 小波包变换

作者: 韦泽贤 王衍学 何水龙 李华新

作者单位: 桂林电子科技大学机电工程学院,广西桂林541004

会议类型: 国内会议

会议名称: 2016年全国设备监测诊断与维护学术会议、第十五届全国设备故障诊断学术会议、第十七届全国设备监测与诊断学术会议、2016年全国设备诊断工程会议

会议地点: 西安

会议语种:中文

页码: 73-75

在线出版日期: 2016-08-01（万方平台首次上网日期，不代表论文的发表时间）