基于Parzen窗的油液原子光谱数据半监督FCM聚类.pdfVIP

第30卷，第8期 光谱学 与光谱分析 2010年8月 and Analysis August，2010 SpectroscopySpectral 基于Parzen窗的油液原子光谱数据半监督FCM聚类研究 徐 超，张培林，任国全，吴定海 军械【程学院一系，河北石家庄050003 C-MeansBasedonParzen 摘要提出了一种基于Parzen窗的半监督模糊C_均值(Semi—supervised Fuzzy C-Means，FCM)的初始聚类中心；利 window，PSFCM)聚类算法。根据训练样本确定出模糊C-均值(Fuzzy 用Parzen窗法计算出测试样本对各类状态的隶属度后，蕈新定义r隶属度迭代公式。通过齿轮箱磨损实验 台模拟了齿轮箱的2种典型磨损故障并采集了油样。选取实验油样光谱分析数据中代表性元素Fe，Si，B的 浓度值作为分析数据集的3维特征鼍，分别进行了FCM聚类和PSFCM聚类分析。聚类结果为：FCM聚类 到油液原子光谱分析，降低了对人为经验和大量故障数据的依赖，提高r齿轮箱磨损故障诊断的准确度。 关键词齿轮箱；油液原子光谱分析；半监督模糊C-均值聚类；Parzen窗；故障诊断 中图分类号：THl65．3文献标识码：A 用于齿轮箱台架磨损实验采集的润滑油光谱数据，能财不同 引 言 磨损状态下的光谱数据进行有效聚类，对齿轮箱磨损故障进 行了准确判断。 对机械设备润滑油进行原子光谱分析，能获得多种金 属、非金属及添加剂兀素的含量等丰富的摩擦学系统信息。 1实验设计 对这屿信息进行分析，能够对机械摩擦学系统的摩擦磨损状 态作出诊断[1’2j。实际中，由于多种因素的影响，光谱信息 本实验的基础齿轮箱磨损实验台架，主要由台架基座、 与机械状态之间具有一定的不确定性，影响r诊断决策的制 齿轮箱、调速电机、磁粉制动器、联轴器以及数据采集设备 定。 6部分组成。 Dernpster-Shafter(D-S)证据理论与模糊理论为解决这一实验分为两组进行，分别模拟污染物入侵和冷却水泄露 问题提供了n丁行之策，并已在油液分析领域得到了广泛应 两种齿轮箱常见故障。第一组齿轮正常。l：作一段时问后模拟 用b“]。但是，这2种方法存在共同的缺点，就是要依靠专 污染物入侵故障，第二组换下与第一组材料、工艺相『|司的新 家经验和大量标准故障样本，来确定基本概率分配函数或模 齿轮，正常工作一段时问后模拟冷却水?fI}露故障。为体现对 糊隶属度函数。此外，由于获得油液光谱数据的成本很高， 比性，两组实验的磨合规范及其他工作阶段的T况均相同。 因此寻求一种所需故障样本量少且诊断准确的方法显得尤为 这一设计避免了在同一组齿轮上连续模拟两种故障时，前一 重要。 种故障的模拟对后一故障模拟的影响。具体实验方案见表I。 模糊C-均值(FCM)聚类算法将模糊隶属度引入c_均值为使模拟故障过程与实际情况相符，本实验还设计了一 聚类算法。能根据数据之间的相互关系自动确定模糊划分矩 种自动添加系统，使污染物和冷却水能均匀等量的进入齿轮 阵，避免了人为因素的影响。由于FCM为无监督聚类，不彳日 箱。 聚类结果受初始聚类中心的影响，而目．聚类数f1的选择具有 对实验所取润滑油样进行光谱分析的实验仪器为 不确定性