基于改进的K-means聚类和深度神经网络的轴承故障诊断算法研究 |
| |
引用本文: | 孟洪颜,胡玉坤,冯双,周冬,王艳春.基于改进的K-means聚类和深度神经网络的轴承故障诊断算法研究[J].黑龙江大学工程学报,2023(4):55-63. |
| |
作者姓名: | 孟洪颜 胡玉坤 冯双 周冬 王艳春 |
| |
作者单位: | 1. 齐齐哈尔大学通信与电子工程学院;2. 黑龙江大学电子工程学院;3. 朝阳师范高等专科学校;4. 齐重数控装备股份有限公司电控设计部 |
| |
基金项目: | 黑龙江省省属高等学校基本科研业务费科研项目(135409609);;黑龙江省高等教育教学改革研究项目(SJGY20220395); |
| |
摘 要: | 提出了一种改进K-means聚类算法,使用该方法对轴承振动数据进行聚类和基于深度神经网络的半监督学习的故障诊断研究。对轴承振动数据进行时域和频域处理,得到28维的时域和频域特征数据;利用提出的算法对高维特征数据进行聚类处理,得到伪标签,建立特征数据和伪标签对应的数据集;利用神经网络对具有伪标签的特征数据进行半监督学习,实现对不同轴承振动状态的高精度识别。通过对比聚类指标,提出的算法较好地改善了聚类效果;用伪标签数据训练神经网络,将预测的结果与真实数据比较,精度可达96.2%,可100%区分正常状态和故障状态。
|
关 键 词: | 滚动轴承 故障诊断 聚类算法 神经网络 半监督学习 |
|