基于半监督模糊核聚类的齿轮箱离群检测方法.pdfVIP

学兔兔 第 45卷第 10期 机 械 工 程 学 报 Vo1．45 N o ．1O 2009年0月 1 JOURNAL0F MECHANICAL ENGINEERING Oct． OO92 DoI：1O．3901／JME．2009．10．048 基于半监督模糊核 聚类的齿轮箱离群检测方法水 毕锦烟 李巍华 (华南理 工大 学机械 与汽 车工程 学 院 广 州 10640) 5 摘要 ：研究核聚类方法在机械故障检测 中的应用 问题，将基于半监督学习 的模糊核聚类 方法 用于齿轮箱离群故 障的检测 。机 械 故障早期检测的难 点是故障特征微弱 、样本差异小，基于半监督学 习的核聚类方法利用少量已知模式 的样本 ，结合大量未 知模式 的样本进 行半监督学 习，得到较好的识别效果。进行齿轮箱正常运行和齿轮 轻微 点蚀 的故障试验 ，比较基于半监督学 习的核聚类 方法与无监督学习核聚类方法的检测效果。试验结果表明，基于半监督学习的核聚类方法性能更优越 。 关键词 ：核函数 半监督学习 模糊聚类 离群检测 中图分类号：TH17 TP18 Semi·-supervisedKernel--based Fuzzy Clustering for Gear O utlierDetection BIJinyan LIWeihua (School of Mechanical and Automotive Engineering，South China University of Technology,Guangzhou 5 1 0640) Technology,Guangzhou 1 ofAutomotive Engineering，Southand5Mechanical University China of (School Abstract：Kernel clustering is investigated in mechanical faultdetection，and a semi—supervised kernel—based fuzzy clustering method is presentedfor gear faultearly detection．The difficulty in early detection ofmechanical incipient tofaultextractis the weak faultinformation innoises．The semi—supervised kernel clusteringmethod utilizes afew ofknown samples，combined with a larger amount ofunknown samp