为了在无诊断专家的情况下,仍然可以准确地对故障类别进行区分,提出了一种基于快速搜索密度峰值聚类(Clustering by fast search and find of density peaks)的智能故障诊断模型.该模型分别采用小波包变换(WPT)和变分模态分解(VMD)方法...
详细信息
为了在无诊断专家的情况下,仍然可以准确地对故障类别进行区分,提出了一种基于快速搜索密度峰值聚类(Clustering by fast search and find of density peaks)的智能故障诊断模型.该模型分别采用小波包变换(WPT)和变分模态分解(VMD)方法对原始振动信号进行分解,提取各分解信号的时域指标和频域指标组成联合特征,然后利用距离评估技术对联合特征进行评估,并选取敏感特征作为密度峰值聚类算法的输入,从而实现对机器不同状态的自动识别.实验结果表明,小波包分解、变分模态分解、距离评估技术能够精细地获取故障信息,从大量的故障特征中筛选出敏感特征.同时,快速搜索密度峰值聚类算法自动识别了不同的故障类别,在一定程度上增加了该模型的智能化程度.
暂无评论