基于PCA—KNN聚类的通用在线故障诊断算法设计

• 作者: 赵晓君 郑倩
• 来源期刊: 计算机测量与控制
• 关键词: 训练 主元分析 故障诊断 模糊K均值 聚类
• 年，卷（期）: 2015,（8）
• 所属期刊栏目: 算法、设计与应用
• 页码范围: 2762-2765
• 页数: 4页
• 分类号: TP319
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2015.08.046

摘要

为了克服以往故障诊断算法所具有的难以诊断效率低、诊断精度不高和模型通用性不强的缺点,提出了一种基于PCA主元分析特征优化和KNN聚类的故障诊断法算法;首先,给出了故障诊断的总体模型和诊断原理,然后在故障征兆原始样本数据的基础上,通过PCA主元分析法进行特征优化,获得维数约简的样本数据,从而提高故障诊断的效率;在此基础上,采用训练样本数据对模糊K均值分类器进行训练,并计算每个聚类的距离和阈值;最后,将在线获取的测试样本数据或离线样本数据输入到模糊K均值分类器,获得其所属分类,并采用KNN最近邻算法来获取其K个近邻,根据其与近邻的距离平方和与所属聚类距离平方阈值来判断其是否为故障样本,从而实现故障诊断;以滚动轴承故障诊断试验和模拟电路故障诊断试验为例,实验结果证明了文中方法较其它方法具有诊断效率高和诊断精度高的优点,是一种通用的和可行的在线故障诊断方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵晓君	郑州轻工业学院软件学院	13	64	5.0	7.0
2	郑倩	郑州轻工业学院软件学院	3	7	2.0	2.0