基于MMFD-FCM的退化状态识别方法及其应用研究

• 作者: 李海涛 王冰
• 来源期刊: 计算机测量与控制
• 关键词: 机械设备 数学形态学 多重分形 模糊聚类 退化状态识别 滚动轴承
• 年，卷（期）: 2014,（9）
• 所属期刊栏目: 算法、设计与应用
• 页码范围: 2882-2885
• 页数: 4页
• 分类号: TP306
• 语种: 中文

摘要

为了有效地对机械设备运行状态进行监测,进而对其性能退化状态进行识别,提出一种基于形态多重分形维数(MMFD)与模糊C均值聚类(FCM)的性能退化状态识别方法;该方法首先计算机械设备振动信号的形态多重分形维数,以此作为性能退化特征指标;该特征指标能够有效反映峰值在振动信号中概率分布的不均匀程度,从而定量描述振动信号的性能退化状态,并且与多重形态分形维数相比,利用数学形态学计算的MMFD精度更高,计算速度更快;在此基础上,鉴于不同退化状态之间的模糊性,针对性地采用模糊C均值聚类方法对特征指标进行模糊聚类,从而有效识别性能退化状态;将该方法应用于滚动轴承全寿命周期振动信号中,分析结果验证了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王冰		11	46	4.0	6.0
2	李海涛	商丘师范学院计算机与信息技术学院	14	100	5.0	10.0