GTM算法在齿轮箱状态监测中的应用

摘要：

介绍了一种新的无监督聚类算法GTM,研究了该算法在齿轮箱状态监测中的应用.结果表明,通过对齿轮箱振动信号时域特征的聚类训练,GTM能把正常、裂纹和断齿状态特征数据映射到二维平面的不同输出区域,较好地区分开不同的状态;特征数据映像点在平面上的轨迹变化趋势正确而直观地反映了齿轮箱工作状态的变化,便于及时监测到齿轮箱故障的发生.该方法可用于机械故障识别和状态监测.

关键词：齿轮箱、故障、状态监测、GTM、聚类识别

所属期刊栏目：24

分类号：TH17;TP206.3

资助基金：国家重点基础研究发展计划973计划2003CB716207;国家自然科学基金50375047

在线出版日期：2004-06-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：11-14