基于混沌与模糊聚类的机械故障自动识别

摘要：

针对大型设备旋转部件故障模式复杂难以识别的特点,给出一种基于混沌与模糊最大似然估计(Fuzzy maximum likelihood estimates,FMLE)聚类相结合的机械故障自动识别方法.利用混沌振子在非平衡相变对小信号非常敏感,而对噪声和高频信号具有强免疫力的特点,可检测出微弱的周期故障特征信号的频率信息,并将其作为故障特征矢量输入模糊聚类分类器进行聚类分析.同时针对传统的模糊C均值(Fuzzy center means,FCM)聚类算法只适用于球形或者类球形数集分布的缺陷,将基于最大似然估计的距离测度引入故障特征聚类中,实现对不同形状、大小和密度的故障数据集模糊聚类,达到对机械故障自动识别的效果.试验及工程实例结果证明了方法的有效性,同时证明FMLE聚类具有更好的聚类效果.

关键词：故障识别、间歇混沌、模糊最大似然估计聚类、最大最小贴近度

所属期刊栏目：47

分类号：TH17

资助基金：国家自然科学基金61077071,51075349;河北省自然科学基金F2011203207

在线出版日期：2012-03-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：81-85