采煤机滚动轴承故障诊断新方法

• 作者: 公茂法 吴娜 张超 郭一萱 闫鹏
• 来源期刊: 工矿自动化
• 学科: 工学
• 关键词: 采煤机 滚动轴承 故障诊断 波动性 径向基核函数 K-means聚类算法 TD算法
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 实验研究
• 页码范围: 50-53
• 页数: 4页
• 分类号: TD632
• 字数: 2806字
• 语种: 中文
• DOI: 10.13272/j.issn.1671-251x.2017.05.012

摘要

针对基于K-means聚类算法的采煤机滚动轴承故障诊断结果存在不稳定的问题,提出了一种基于TDKM-RBF神经网络的采煤机滚动轴承故障诊断新方法.该方法采用Tree Distribution算法确定K-means聚类算法的初始聚类中心,消除K-means聚类结果的波动性,采用K-means算法确定RBF神经网络的参数,再将训练好的神经网络用于故障诊断.仿真结果表明,该方法的聚类过程迅速,稳定性较高,提高了采煤机滚动轴承故障诊断的正确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴娜	山东科技大学电气与自动化工程学院	22	226	8.0	14.0
2	公茂法	山东科技大学电气与自动化工程学院	143	821	14.0	21.0
3	张超	山东科技大学电气与自动化工程学院	58	162	6.0	10.0
4	闫鹏	山东科技大学电气与自动化工程学院	8	19	3.0	3.0
5	郭一萱	山东科技大学电气与自动化工程学院	2	6	2.0	2.0