一种结合模糊聚类和协同训练的轴承故障识别方法

摘要

轴承故障的识别方法有很多,结合多种分类器进行建模也逐渐普遍,但如何平衡各分类器之间的关系以及训练时无标记样本所隐藏的空间有序性信息利用度不够的问题普遍存在.针对这一现状提出了结合模糊聚类和协同训练的轴承故障识别方法.首先利用模糊C均值算法对样本聚类选择无标记样本,然后再用加权K最近邻算法对多个分类器分类不一致的无标记样本重新分类进行协同训练.最后对比已标记样本分别为10％、30％、50％时不同分类器的训练结果来阐述本研究方法的分类偏向性,仿真实验数据样本选用凯斯西储大学轴承数据库中的6205-2RS轴承故障数据,实验结果证明本研究提出的结合模糊聚类和协同训练的轴承故障识别方法可以提高识别精度.