陈安华，周 博，张会福，文 宏

（1.湖南科技大学 湖南省机械设备健康维护重点实验室，湖南 湘潭 411201；2.湖南科技大学 知识处理与网络化制造湖南省普通高校重点实验室，湖南 湘潭 411201）

在复杂设备的状态监测信号中必然包含各种复杂联系，而这些复杂的联系对应着不同的故障类型。当前应用于机械故障诊断的逻辑推理分类方法常见的有人工神经网络、贝叶斯分类、遗传算法和决策树、粗糙集理论、蚁群聚类等［1-6］。而常规逻辑推理方法难以从大量的测试数据中既快又准地诊断出被测系统测试数据中的故障类型。发展新的理论或方法快速准确地实现机械故障信号的聚类诊断是众多学者研究热点。

人工鱼群算法是李晓磊等［7］提出的一种基于动物自治体的自下而上设计的新型寻优策略，该算法模拟了自然界中鱼群的觅食、聚群、追尾行为。由于人工鱼群算法具有结构简单、良好的并行性、快速性等特点被应用于传感器网络增强及电力系统的无功优化、最优潮流计算、短期负荷预测、系统在线辨识、前向神经网络优化等领域［8-9］。人工鱼群算法是在人工鱼所处环境的食物浓度及拥挤度的引导下来实现鱼的聚群与追尾，最终实现所有人工鱼聚集在几个极值中心周围。机械故障特征信号聚类是故障样本在相似度因子及聚类判别因子的引导下，使得所有的故障样本聚集在几个极值样本附近，实现故障的聚类诊断。这两者过程极为相似，因此本文把人工鱼群算法应用于机械故障诊断中，建立了基于鱼群追尾行为的故障聚类诊断模型，通过故障聚类诊断仿真，验证了该方法的有效性。……