优化KNNC算法在滚动轴承故障模式识别中应用.pdfVIP

下载本文档

12
0
约1.99万字
约 5页
2017-08-20 发布于北京
举报
版权申诉

优化KNNC算法在滚动轴承故障模式识别中应用.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

优化KNNC算法在滚动轴承故障模式识别中应用.pdf

振动与冲击 OFVIBRATIONAND 第32卷第22期 JOURNAL SHOCK 优化KNNC算法在滚动轴承故障模式识别中应用胡智，段礼祥，张来斌 (中国石油大学(北京)城市油气输配技术北京市重点实验室，北京102249) 摘要：为有效提高滚动轴承故障诊断率，正确识别不同故障类型，提出基于优化K一最近邻域分类器(K—Nea— rest NeighborClassifier，KNNC)的轴承故障模式识别方法。分别求得滚动轴承训练样本与测试样本的振动特征指标，构建样本特征集。为加快分类速度，剔除不良样本干扰，利用K一均值聚类算法对样本进行优化精简，并将所得若干聚类中心作为新的约简训练集。据新训练集进行KNNC分析，实现模式识别。结果表明：该方法能快速、有效识别出滚动轴承4种不同故障模式，识别正确率明显提高。关键词：KNNC；K一均值聚类算法；滚动轴承；故障诊断；模式识别中图分类号：THl7；TN911．6文献标识码：A of KNNCmethodinfault of Applicationimproved patternrecognitionrollingbearings HU Lai—bin Zhi，DUAN Li—xiang，ZHANG ofUrbanOilandGasDistribution of (BeijingKeyLaboratory Technology，ChinaUniversity 102249，China) Petroleum，Beijing An reason mechanical is Abstract：importantcausing failures faults．Inorderto equipment rollingbearing improve thecorrect rateof faults and differentfaults novelmethodoffault diagnosisrolling recognize bearing effectively，a pattern onthe based vibrationfeature recognition KNNC(K—nearest improved neighborclassifier)waspresented．Firstly，the of indexes andtest werecalculated featuresetof wasconstructed trainingsamples samples separately．The samples accelerateclassificationofKNNCandeliminatethe of entirely．To