优化KNNC算法在滚动轴承故障模式识别中应用

• 作者: 张来斌 段礼祥 胡智
• 来源期刊: 振动与冲击
• 学科: 工学
• 关键词: KNNC K-均值聚类算法 滚动轴承 故障诊断 模式识别
• 年，卷（期）: 2013,（22）
• 页码范围: 84-87,105
• 页数: 5页
• 分类号: TH17|TN911.6
• 字数: 3996字
• 语种: 中文

摘要

为有效提高滚动轴承故障诊断率,正确识别不同故障类型,提出基于优化K-最近邻域分类器(K-Nea-rest Neighbor Classifier,KNNC)的轴承故障模式识别方法.分别求得滚动轴承训练样本与测试样本的振动特征指标,构建样本特征集.为加快分类速度,剔除不良样本干扰,利用K-均值聚类算法对样本进行优化精简,并将所得若干聚类中心作为新的约简训练集.据新训练集进行KNNC分析,实现模式识别.结果表明:该方法能快速、有效识别出滚动轴承4种不同故障模式,识别正确率明显提高.