基于样本密度KFCM新算法及其在故障诊断的应用

作     者：陶新民 徐晶 付强 刘兴丽 TAO Xin-min;XU Jing;FU Qiang;LIU Xing-Li

作者机构：哈尔滨工程大学信息与通信工程学院哈尔滨150001 黑龙江科技学院数力系哈尔滨150027 东北农业大学成栋学院哈尔滨150030 

出 版 物：《振动与冲击》 (Journal of Vibration and Shock)

年 卷 期：2009年第28卷第8期

页      面：61-64,83页

核心收录：

学科分类：1002[医学-临床医学] 080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 0805[工学-材料科学与工程（可授工学、理学学位）] 0802[工学-机械工程] 0702[理学-物理学] 0801[工学-力学（可授工学、理学学位）] 

基　　金：黑龙江省博士后科学基金资助项目(LBH-Z08227) 黑龙江省教育厅基金项目(11544049) 

主　　题：核模糊聚类 样本密度 最大类间方差法 故障诊断 

摘      要：针对传统核模糊聚类(KFCM)算法无法克服边界噪声数据影响且对初始聚类中心敏感的不足,提出一种基于样本密度和最大类间方差法相结合的KFCM算法。该算法在传统的KFCM算法中引入样本分布密度作为权重,克服噪声及边界数据对分类中心的影响,使样本的聚类效果更好,同时还可以分析各样本对聚类的贡献程度。此外利用最大类间方差法对样本密度进行分割,得到各类中心点并以此作为KFCM算法的初始聚类中心,克服了传统算法对初始值敏感的不足。对各种实际数据集的测试结果均显示出新算法的优良性能。最后利用新算法对轴承故障进行诊断,试验结果表明新算法的诊断率优于传统的聚类算法。