节点文献

基于Kmeans-DBSCAN融合聚类的轴承异常温升诊断模型

免费订阅

【作者】 罗怡澜邹益胜王超邓佳林

【Author】 LUO Yi-lan;ZOU Yi-sheng;WANG Chao;DENG Jia-lin;Institute of Advanced Design and Manufacturing,School of Mechanical Engineering,Southwest Jiaotong University;

【机构】 西南交通大学机械工程学院先进设计与制造研究所

【摘要】 经典聚类算法在机车异常轴温诊断应用中存在判别阈值参经验化设定与漏判率、误判率较高的问题。利用机车轴温测点的关联性、异常温升特征分布特点,提出一种基于Kmeans-DBSCAN融合聚类的轴承异常温升诊断模型。首先将轴承异常温升的诊断转化为多组关联序列中少数持续离群子序列的检测问题,再根据温度序列特征空间分布位置和局部密度差异性,通过Kmeans-BSCAN融合聚类分离出离群子序列,并实现了DBSCAN邻域判别阈值参数的自适应选取。基于某型机车履历数据的实例验证结果发现:该模型对异常温升诊断的准确率达100%,与Kmeans算法保持一致,比DBSCAN算法提高22.4%;误报率低至0.5%,比Kmeans算法降低18.5%,比DBSCAN算法降低12%。

【关键词】 温度异常检测聚类Kmeans-DBSCAN诊断模型机车车辆
【基金】 国家高新技术研究发展计划(863计划)—高速铁路动车组全生命周期数据集成管理与综合(2015AA043701-02)
【所属期刊栏目】 理论与方法研究 (2020年03期)
  • 【DOI】10.19356/j.cnki.1001-3997.2020.03.005
  • 【分类号】TH133.3
  • 【下载频次】102
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: