科研之友
微信
新浪微博
Facebook
分享链接
摘要
如何表征机械设备的性能退化程度,并对退化状态进行识别是机械设备故障预测中的关键问题。提出一种基于C0复杂度和GG模糊聚类的退化状态识别方法。首先,以混沌logistics序列为例,对比验证C0复杂度参数在复杂性表征以及运算速度方面的优势;然后,考虑退化状态在时间尺度的连续性,将时间参数映射到指数函数中,形成更符合性能退化过程的"弯曲时间参数",并与C0复杂度、有效值构建描述性能退化过程的三维特征向量;最后,采用GG模糊聚类方法对性能退化状态进行阶段划分,识别不同的退化状态,并选用分类系数、平均模糊熵以及序列离散度对聚类效果进行综合评价。实例分析表明:提出的三维特征向量既能够反映性能退化趋势,又能体现同一状态在时间尺度上的连续性;GG聚类算法与同类的GK,FCM算法相比,聚类效果更优。
- 单位
