基于改进K均值聚类的机械故障智能检测

• 作者: 费贤举
• 来源期刊: 计算机测量与控制
• 关键词: K均值聚类算法 特征提取 机械故障检测
• 年，卷（期）: 2015,（4）
• 所属期刊栏目: 自动化测试技术
• 页码范围: 1121-1123
• 页数: 3页
• 分类号: TH128
• 语种: 中文

摘要

针对传统的K均值聚类算法在机械故障检测的过程中,由于对K值的选择具有较强的主观性,最后极易得到局部最优解,而非全局最优解,降低了机械故障检测的准确性.提出一种改进K均值聚类的机械故障智能检测方法;将K均值聚类算法与粒子群算法相结合,在迭代处理的过程中,结合K均值进行优化,即将粒子群算法中的子代个体利用K均值聚类进行运算获取局部最优解,并使用这些个体继续参与迭代处理,这样能够提高算法的收敛速度,避免陷入局部最优解,获得准确的机械故障信号特征;实验结果表明,利用K均值倾斜特征提取的机械故障智能检测算法进行机械故障检测,能够有效提高故障检测的准确性,取得了令人满意的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	费贤举		27	167	8.0	12.0