基于半监督模糊核聚类的齿轮箱早期故障检测方法.pdfVIP

2007年第九届全国振动理论及应用学术会议论文集 杭州,2007.10.17-19 基于半监督模糊核聚类的齿轮箱早期故障检测方法 毕锦烟 , 李巍华 （华南理工大学汽车工程学院，广东 广州 510640） 摘 要：研究核聚类方法在机械故障检测中的应用问题，将基于半监督学习的模糊核聚类方法用于齿轮箱 早期故障的检测。机械故障早期检测的难点是故障特征不明显、样本差异小。基于半监督学习的核聚类方 法利用少量已知模式的样本，结合大量未知模式的样本进行半监督学习，得到较好的识别效果。进行了齿 轮箱正常运行和齿轮轻微剥落的故障实验，比较了基于半监督学习的核聚类方法与无监督学习核聚类方法 的检测效果。结果表明, 基于半监督学习的核聚类方法性能更优越。 关键词：核函数；模糊聚类；半监督学习；离群检测 Semi-supervised kernel-based fuzzy clustering for Gear incipient fault early detection BI Jin-yan, LI Wei-hua (School of Automotive Engineering, South China University of Technology, Guangzhou 510640, China) Abstract ：Kernel clustering is investigated together with some application in mechanical fault detection, and a semi-supervised kernel-based fuzzy clustering is applied for gear fault early detection. The difficulty in mechanical fault early detection is to detect the weakly fault information immerged in noises. The semi-supervised kernel clustering method utilizes a few of known samples, combined with a larger amount of unknown samples to perform semi-supervised learning, and obtains good efficiency. The experiments are conducted on a gearbox, where a surface defect of tooth spalling is introduced .The effect of semi-supervised kernel clustering is compared with that of unsupervised kernel clustering, and it also demonstrates the superiority of the semi-supervised method for gear failure detection. Key words ：kernel function; fuzzy clustering; semi-supervised learning; outlier detection 引 言 机电设备状态监测和故障诊断中，重点是检测出机电设备的早期轻微故障，为严重故障 [1] 出现之前提供预警，为设备的安全运行提供保障 。 早期故障检测的难点是设备故障轻微，故障信号特征不明显，与正常状态的信号差别不 大，因而传统的时域波形、频谱分析方法难以进行有效的诊断；但是随着故障的产生，其状 态一定会偏离正常的状态，只是其偏离程度小，检测难度大。基于半监督式的模糊核聚类方 法的特点是通过核函数将原始数据映射到特征空间中，利用正常状态的样本指导大量未知类