【出 处】：《 计算机仿真 》 CSCD 2014年第31卷第7期 225-228页,共4页

【作 者】： 张宝剑 ; 芦艳芳

【摘 要】 研究大型机械设备故障检测精度优化问题。大型机械设备在横向振动的情况下，故障信号受到设备产生的横向振动的干扰，呈现信号低频化特征。传统的均值聚类方法在检测复杂大型设备故障时，由于信号低频化，要先进行故障收敛聚类，在收敛聚类过程中K均值算法没有考虑到低频信号相位近邻点的收敛特性，导致算法收敛太慢，检测时间过长，精度不高。提出了一种相位重组近邻点收敛的聚类算法，并有效应用到大组件机械设备故障检测中。聚类算法在传统的遗传K均值算法基础上，引入特征数据点之近邻点排除少数局部最优特征数据的干扰，通过近邻点收敛性的促进，提高了收敛速度，同时避免过早收敛到局部最优解中。仿真实验表明，改进的聚类算法收敛速度提高15．7％，故障检测有效识别率提高11．8％。