10.13272/j.issn.1671-251x.2017.05.012
采煤机滚动轴承故障诊断新方法
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.
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
43
TD632(矿山电工)
山东省自然科学基金项目ZR2012EEM021
2017-06-12(万方平台首次上网日期,不代表论文的发表时间)
共4页
50-53