K-均值聚类算法在滚动轴承故障诊断中的应用.doc

吉 林 农 业 大 学 学 士 学 位 论 文 题目名称： K-均值聚类算法在滚动轴承故障诊断中的应用 学生姓名： 院 系： 专业年级： 指导教师： 职 称： 2013年5月23 日  目 录 K-均值聚类算法在滚动轴承故障诊断中的应用 I 摘要 I 1 前 言 1 1.1 研究背景 1 1.2 研究意义 2 1.3 本论文研究数据及内容 2 2 K-均值聚类算法 3 2.1聚类算法介绍 3 2.2 K-均值聚类算法介绍 3 2.3 K-均值聚类算法基本思想 4 2.4 相似性度量及聚类准则函数 4 2.6 K-均值聚类算法描述 5 2.5 K-均值聚类算法过程 5 3 实验结果及分析 5 3.1 K=2时聚类结果 6 3.2 K=4时聚类结果 8 参考文献 11 致 谢 12 附 录 13 K-均值聚类算法在滚动轴承故障诊断中的应用 姓 名： 专 业：信息与计算科学 指导教师： 摘要：滚动轴承作为旋转机械中重要的零部件，对整个机械设备的正常工作起到举足轻重的作用，然而滚动轴承又是其中极易损坏的元件之一。据粗略估计，有30%的机械故障是由滚动轴承的故障引起的，因此对滚动轴承故障的诊断对机械的正常工作有重要意义。其中聚类算法在滚动轴承中得到了广泛的应用。聚类算法是数据挖掘领域中非常重要的研究方向，其中K-均值聚类算法是一种简单快速的聚类算法。把K-均值聚类算法应用到滚动轴承故障诊断中可以快速高效的验证实验结果的正确性，做到对错误的检测，从而可以减少经济损失。本文主要运用K-均值聚类算法对实验中提取的滚动轴承故障数据进行聚类分析，以验证实验结果的正确率。 关键字：滚动轴承；故障诊断；K-均值聚类；聚类中心 The application of K-means in fault diagnosis of rolling bearing Name: Major: Information and Computing Sciences Tutor: Abstract: As the important components in rotating machinery, the rolling bearing plays a decisive role, but the rolling bearing is one of the easily damaged components. According to the rough estimate, 30% of the mechanical failure is caused by the fault of rolling bearing; therefore the diagnosis of the rolling bearing fault has important significance. The clustering algorithm has widely used in the diagnosis of the rolling bearing fault. The clustering algorithm is a very important research direction of the data mining technology, and K-means is one of the clustering algorithms, which is easy and quick. If we apply the K-means to the fault diagnosis of the rolling bearing, we can verify the experimental result fast and efficient and also can detect the error, therefore reduce the economic loss. This text mainly applies the K-means to analyze the data of the diagnosis of the rolling bearing, which are collected from the experiment, to test the accuracy of the experiment. Key words: rolling bearing; fault d