对模糊C-均值聚类算法改进及在齿轮故障高效、可靠识别中的应用进行研究,提出了一种新的计及模糊聚类和特征选取的在线齿轮故障识别方法—基于混合蜻蜓优化多核模糊聚类和特征子集选取的在线齿轮故障识别算法。设计多核函数和贪婪聚类中心初始化策略,以克服模糊聚类算法对初始值敏感、高维复杂数据聚类鲁棒性差的缺陷;提出特征子集选取机制,更大限度降低数据处理维度;引入混合蜻蜓优化算法,将多核函数确定、最佳特征子集和聚类中心等效为蜻蜓个体编码,通过迭代求解最优聚类效果目标函数,在完成多核函数确定和最佳特征子集选取的同时,有效提高聚类算法求解效率;构建线下训练和线上故障识别模型,利用线下训练模式得到最佳模糊聚类个数等参数,并应用于复杂多样、高维非线性海量齿轮故障监测数据线上识别。仿真结果表明,提出的改...

经典的递归定量分析方法（Recurrence Quantification Analysis,RQA）是通过研究递归图中递归点在水平、垂直及对角方向的分布规律,对递归图进行定量研究。提出了一种新的递归定量分析方法：局部细节谱（Local Detail Spectrum,LDS）。该方法更关注于递归图中有限区间内递归点局部分布规律的定量分析。将所提出的局部细节谱用于齿轮故障分类,实验证明,局部细节谱可取得较好的故障识别效果。