采煤机滚动轴承故障诊断新方法_中国煤炭行业知识服务平台

采煤机滚动轴承故障诊断新方法

作者

公茂法郭一萱闫鹏吴娜张超
单位

山东科技大学电气与自动化工程学院
摘要

针对基于K-means聚类算法的采煤机滚动轴承故障诊断结果存在不稳定的问题,提出了一种基于TDKM-RBF神经网络的采煤机滚动轴承故障诊断新方法。该方法采用Tree Distribution算法确定K-means聚类算法的初始聚类中心,消除K-means聚类结果的波动性,采用K-means算法确定RBF神经网络的参数,再将训练好的神经网络用于故障诊断。仿真结果表明,该方法的聚类过程迅速,稳定性较高,提高了采煤机滚动轴承故障诊断的正确率。
关键词

采煤机滚动轴承故障诊断波动性径向基核函数 K-means聚类算法 TD算法
基金项目(Foundation)

山东省自然科学基金项目(ZR2012EEM021)；
相关文章

[1]基于优化模糊Petri网的矿井提升机故障诊断
[2]基于小波包分解和PSO-BPNN的滚动轴承故障诊断
[3]煤矿旋转机械在线故障诊断及预警系统设计
[4]大采高采煤机挡矸装置的改进设计