基于EEMD和模糊C均值聚类算法诊断发动机曲轴轴承故障

作者：张玲玲; 廖红云; 曹亚娟; 骆诗定; 赵懿冠

来源：内燃机学报, 2011, (04): 332-336.

DOI：10.16236/j.cnki.nrjxb.2011.04.003

• 模糊C均值聚类算法
• 奇异值分解
• 经验模式分解
• 故障诊断
• 曲轴轴承 fuzzy C mean clustering arithmetic
• singular value decomposition
• empirical mode decom-Keywords:position
• fault diagnosis
• crankshaft bearing

针对发动机振动信号的非平稳性以及特征参数的模糊性特点,提出了一种基于集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)和模糊C均值聚类(Fuzzy Center Mean,FCM)的故障诊断方法,通过对已知故障样本信号进行EEMD分解,形成初始特征向量矩阵;对该矩阵进行奇异值分解,将矩阵的奇异值组成故障特征向量,标准化后作为FCM的输入,得到分类矩阵和聚类中心;最后通过计算待测故障样本与已知故障样本聚类中心的贴近度实现故障模式识别.故障诊断实例表明,该方法能有效地诊断柴油机曲轴轴承故障.

• 单位
  中国人民解放军军事交通学院; 中国人民解放军陆军工程大学