《机电工程》杂志社科技期刊核心期刊论文投稿机电一体化机械、仪表电工自动化、计算机浙江大学主办

《机电工程》杂志，月刊( 详细... )

中国标准连续出版物号： ISSN 1001-4551 CN 33-1088/TH
主办单位：浙江省机电集团有限公司
浙江大学
主编：陈晓
副主编：唐任仲、罗向阳(执行主编)
总经理：罗向阳
出版：浙江《机电工程》杂志社有限公司
地址：杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel：+86-571-87041360、87239525
E-mail：meem_contribute@163.com
国外发行：中国国际图书贸易总公司
订阅：全国各地邮局 国外代号：M3135
国内发行：浙江省报刊发行局
邮发代号：32-68
广告发布登记证：杭上市管广发G-001号

在线杂志	当前位置：机电工程 >>在线杂志

基于K-means和高斯混合模型聚类的齿轮箱故障识别研究

作者：王浩,刘胜兰,刘晨日期：2021-09-23/span> 浏览：1481 查看PDF文档

基于K-means和高斯混合模型聚类的齿轮箱故障识别研究*

王浩,刘胜兰,刘晨

(中国舰船研究院,北京 100192)

摘要:针对传统的基于振动信号的机械故障诊断技术过于复杂、诊断时间过长等问题,提出了结合K-means和高斯混合模型聚类方法的齿轮箱轴承和齿轮故障快速识别方法。首先，通过经验模态分解方法分解振动信号,利用相关分析选取了对振动信号局部特征表达最佳的IMF分量,IMF分量的均方根值和原始振动信号的均方根值,共同构成了振动信号特征集;然后,利用Kmeans算法确定了振动信号特征集的可分类别数;最后,基于振动信号特征集及其可分类别数,利用高斯混合模型聚类构造了齿轮箱运行状态的多维高斯分布函数,建立了齿轮箱在各运行状态下的从属概率模型,并根据从属概率大小,实现了齿轮箱故障的快速识别。实验和研究结果表明:针对实验环境下齿轮箱轴承和齿轮典型故障识别,基于Kmeans和高斯混合模型聚类的齿轮箱故障识别方法平均识别准确率为94.3%,高于基于模糊c均值聚类方法的故障识别平均准确率(84.5%)。

关键词:齿轮箱;K均值聚类;高斯混合模型聚类;故障识别

中图分类号:TH133.41 文献标识码:A 文章编号:1001-4551(2021)07-0873-06

本文引用格式:

王浩,刘胜兰,刘晨.基于K-means和高斯混合模型聚类的齿轮箱故障识别研究［J］.机电工程,2021,38(7):873-878.

WANG Hao, LIU Sheng-lan, LIU Chen. Gearbox fault identification based on K-means and Gauss mixed model clustering［J］.Journal of Mechanical & Electrical Engineering, 2021,38(7):873-878.
《机电工程》杂志:http://www.meem.com.cn