基于密度峰值聚类的射流风机智能诊断

为了在无诊断专家以及无诊断知识的情况下,仍然可以准确地对不同类别的故障进行区分,文章提出了一种基于密度峰值聚类(Clustering by Density Peaks Search,DPS)的隧道射流风机轴承智能诊断模型。该模型分别采用小波包变换(Wavelet Packet Transform,WPT)对原始振动信号进行分解,提取各分解后信号的时域指标和频域指标组成联合特征指标,然后利用距离评估技术对联合特征进行评估,并选取敏感特征作为DPS算法的输入,从而实现对隧道射流风机不同状态的自动识别。实验结果表明:小波包分解、距离评估技术能够非常精细地获取故障信息,从大量的故障特征中筛选出敏感特征;同时,密度峰值聚类算法能够很好地自动识别不同的故障类别,增加了整个模型的智能化程度。