一种基于K均值聚类和证据融合的齿轮箱故障诊断方法
基本信息
| 申请号 | CN202011388904.8 | 申请日 | - |
| 公开（公告）号 | CN112686279A | 公开（公告）日 | 2021-04-20 |
| 申请公布号 | CN112686279A | 申请公布日 | 2021-04-20 |
| 分类号 | G01M13/028(2019.01)I;G01M13/045(2019.01)I;G01M13/021(2019.01)I;G06K9/62(2006.01)I | 分类 | 计算；推算；计数; |
| 发明人 | 徐晓滨;杨永强;马枫;孙杰 | 申请（专利权）人 | 南京智慧水运科技有限公司 |
| 代理机构 | 浙江千克知识产权代理有限公司 | 代理人 | 周希良 |
| 地址 | 310018浙江省杭州市钱塘新区白杨街道2号大街 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于K均值聚类和证据融合的齿轮箱故障诊断方法。本发明首先确定齿轮箱的故障模式和故障特征参数，分别采样各个故障模式下的样本数据来获取故障特征数据样本集；对于每类故障特征参数，通过聚类获取似然信度表和K个参考中心向量，从每类特征参数种获取参考证据；在线获取多种故障特征的取值后，计算故障特征数据与K个参考中心向量之间的距离，并由此来激活参考证据，生成多类特征的诊断证据，再将这些诊断证据融合，对融合后的证据做出故障决策，得到该在线故障特征数据所对应的故障类型。本发明在聚类和证据融合的基础上进行故障诊断，利用多源信息融合和信息概率转换方法提高了对齿轮箱的故障诊断精度。 |
