Print

基于C0复杂度和GG模糊聚类的轴承性能退化状态识别

论文摘要

如何表征机械设备的性能退化程度,并对退化状态进行识别是机械设备故障预测中的关键问题。提出一种基于C0复杂度和GG模糊聚类的退化状态识别方法。首先,以混沌logistics序列为例,对比验证C0复杂度参数在复杂性表征以及运算速度方面的优势;然后,考虑退化状态在时间尺度的连续性,将时间参数映射到指数函数中,形成更符合性能退化过程的"弯曲时间参数",并与C0复杂度、有效值构建描述性能退化过程的三维特征向量;最后,采用GG模糊聚类方法对性能退化状态进行阶段划分,识别不同的退化状态,并选用分类系数、平均模糊熵以及序列离散度对聚类效果进行综合评价。实例分析表明:提出的三维特征向量既能够反映性能退化趋势,又能体现同一状态在时间尺度上的连续性;GG聚类算法与同类的GK,FCM算法相比,聚类效果更优。

论文目录

  • 0 引言
  • 1 基于C0复杂度的退化特征分析
  •   1.1 C0复杂度定义
  •   1.2 退化特征性能分析
  • 2 基于GG聚类的退化过程识别
  •   2.1 GG模糊聚类评价指标
  •   2.2 退化过程识别流程
  • 3 退化状态识别实例分析
  •   3.1 轴承全寿命数据试验
  •   3.2 退化特征提取
  •   3.3 退化状态识别
  •   3.4 对比分析
  •     3.4.1 时间特征参数对聚类效果的影响
  •     3.4.2 聚类算法对聚类效果的影响
  • 4 结论

    • 文章来源

    类型: 期刊论文

    作者: 王微,胡雄,王冰,孙德建

    关键词: 滚动轴承,退化特征,复杂度,模糊聚类

    来源: 轴承 2019年12期

    年度: 2019

    分类: 工程科技Ⅱ辑

    专业: 机械工业

    单位: 上海海事大学物流工程学院

    基金: 国家“八六三”计划(2013AA041106)

    分类号: TH133.3

    DOI: 10.19533/j.issn1000-3762.2019.12.011

    页码: 51-57

    总页数: 7

    文件大小: 2225K

    下载量: 83

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/8bf2d72db3b81c97c31c363a.html