大型机械设备低频故障信号检测仿真

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％.