一种结合谱聚类与关联规则的轴承故障诊断方法

摘要：

针对现阶段机械设备轴承故障诊断方法难以挖掘隐含特征、诊断精准度低等问题,将谱聚类(spectral clustering,SC)算法与关联规则算法Apriori相结合,提出SC-Apriori算法;首先根据美国西储大学轴承数据中心网站公开发布的轴承故障数据集,选取0负载下的数据,计算得到滚动轴承振动信号的9个时域特征和3个频域特征;其次使用Pearson相关系数进行特征筛选,留下9个有效特征,再利用SC-Apriori算法挖掘出训练数据集中轴承不同特征数据之间的关联关系,并引入提升度来去除冗余的关联规则,进而构建一个规则库;再将测试数据进行处理,并与已建立的规则库进行比对,根据匹配率来判断其故障类型;在测试数据上的实验结果表明,与已有算法相比,文章设计的SC-Apriori算法挖掘出的规则数量大幅减少,匹配速度更快,且匹配效果更好.

关键词：轴承故障诊断、数据挖掘、关联规则、谱聚类算法、提升度

所属期刊栏目：31

分类号：TP277(自动化技术及设备)

资助基金：国家自然科学基金;江苏省高等学校自然科学研究面上项目;未来网络科研基金项目;盐城工学院研究生培养创新工程项目;横向项目;教育部卓越工程师教育培养计划项目产学合作协同育人项目

在线出版日期：2023-02-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：51-58