正交小波变换k-中心点聚类算法在故障诊断中的应用

作者：李卫鹏; 曹岩^*; 李丽娟

来源：振动与冲击, 2021, 40(07): 291-296.

DOI：10.13465/j.cnki.jvs.2021.07.039

• k-中心点聚类算法(KCA)
• 机器学习
• 故障诊断
• 正交小波变换(OWT)

k-中心点聚类算法(k-medoids cluster algorithm, KCA)是改进的机器学习聚类算法,该方法通过初始聚类中心选取和聚类中心更新,对无标记训练样本的学习揭示数据的内在性质及规律,从而区分出机器的运行状态。提出了一种正交小波变换k-中心点聚类算法(orthogonal wavelet transform k-medoids clustering algorithm, OWTKCA)诊断方法,利用正交小波变换(orthogonal wavelet transformation, OWT)方法提取各细节信号作为训练样本,用KCA方法进行分类。通过滚动轴承的试验数据分类结果显示,该方法相对于没有提取特征值的KCA能有效处理复杂机械振动信号,明显提高了故障数据聚类效果,缩短了聚类时间,提高了智能诊断效率。

• 单位
  南阳理工学院; 西安工业大学; 机电工程学院