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

简介

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,提出的改进模糊聚类算法具有更好的聚类效果和更好的齿轮故障辨识度,高维复杂数据聚类正确率提高了约(6.5~9.3)%,齿轮故障识别检测成功率提高了约(11.1~31.7)%。