齿轮箱故障诊断的粒子群优化模糊聚类技术

齿轮箱故障诊断的粒子群优化模糊聚类技术
黄周宽;成晓宁;迟全洲
【期刊名称】《新技术新工艺》
【年(卷),期】2012(000)010
【摘要】用粒子群算法取代传统的梯度下降法,优化模糊C—均值算法的各个参数,并依据聚类有效性指标确定最优聚类数及聚类中心,有效地利用了粒子群算法全局寻优的优点,克服了模糊C—均值算法极易陷入局部最优的缺点,将经过PSO优化的模糊C-均值算法应用于齿轮箱故障诊断.试验结果表明,粒子群算法是有效的模糊聚类分析优化算法,提高了齿轮箱故障诊断的准确率.
【总页数】4页(P101-104)
【作者】黄周宽;成晓宁;迟全洲
【作者单位】重庆望江工业有限公司重庆400071;重庆望江工业有限公司重庆400071;内蒙古北方重工业集团有限公司内蒙古包头014030
【正文语种】中文
【中图分类】TK267;TP277
【相关文献】
1.基于ITD和模糊聚类的齿轮箱故障诊断方法 [J], 段礼祥;张来斌;岳晶晶
2.基于粒子群优化KFCM的风电齿轮箱故障诊断 [J], 李状;柳亦兵;滕伟;林杨
3.基于粒子群优化决策树的齿轮箱故障诊断 [J], 程珩;黄超勇;张永刚
4.粒子群优化小波神经网络的齿轮箱故障诊断 [J], 杨柳;李志农
5.基于变分模态分解与模糊聚类的船用齿轮箱故障诊断 [J], 丁颖苗;鲍慧玲
因版权原因，仅展示原文概要，查看原文内容请购买。