典型文献
无监督学习驱动的高端轴承故障智能诊断算法
文献摘要：
谱峭度是用于滚动轴承故障诊断的有效方法,然而它对工程中常见的偶发性冲击特征具有高度的敏感性,常导致特征提取结果失效.为解决该问题,针对多重偶发性冲击(sporadic impulses,SIs)干扰下的时间序列峭度计算提出了一种基于无监督学习的智能评估方法.首先,根据偶发性冲击在时域上能量高度集中的特性,在时域将原始信号样本等间隔地划分为数据片段.其次,将各数据片段映射到统计参数特征空间(statistical parameter fea-ture space,SPFS).再次,提出了迭代二均值聚类算法,实现了聚类中心自定位及类簇数自适应整定,利用含SIs片段与正常片段在SPFS显著的统计特性差异,逐次识别并清除受SIs干扰的片段.最后对未受SIs干扰的正常片段进行峭度信息融合,得到智能峭度估计.结合该智能峭度估计方法与多尺度分解方法提出了高端轴承故障诊断的新方法.通过仿真算例及轴承故障诊断实际案例验证了该方法能够在多成分耦合、多重偶发性冲击干扰的不利影响下准确提取异常故障特征,并在应用中能够兼顾智能化、高鲁棒性及高计算效率.
文献关键词：
谱峭度;无监督学习;迭代二均值聚类;滚动轴承;故障诊断
中图分类号：
作者姓名：
陈彬强;曾念寅;曹新城;周生喜;贺王鹏;田赛
作者机构：
厦门大学航空航天学院,厦门361005;西北工业大学航空学院,西安710072;西安电子科技大学空间科学与技术学院,西安710071
文献出处：
引用格式：
[1]陈彬强;曾念寅;曹新城;周生喜;贺王鹏;田赛-.无监督学习驱动的高端轴承故障智能诊断算法)[J].中国科学（技术科学）,2022(01):165-179
A类：
SIs,迭代二均值聚类
B类：
无监督学习,学习驱动,故障智能诊断,谱峭度,滚动轴承故障诊断,偶发性,常导,sporadic,impulses,智能评估,高度集中,数据片段,射到,统计参数,参数特征,特征空间,statistical,parameter,fea,ture,space,SPFS,聚类算法,聚类中心,自定位,自适应整定,统计特性,逐次,信息融合,合该,估计方法,多尺度分解,分解方法,实际案例,多成分,故障特征,高鲁棒性,高计算效率
AB值：
0.308047
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
