高红霞，郜　伟

(1.河南工程学院 计算机学院，郑州　451191；2.信息工程大学 理学院，郑州　450001)



基于不完全信息的轴承故障聚类识别方法

高红霞1，郜伟2

(1.河南工程学院 计算机学院，郑州451191；2.信息工程大学 理学院，郑州450001)

摘要：联合收获机中零部件繁多及滚珠滑失等因素，导致监测信号中轴承组件的特征频率并非总能找到，进而影响了故障诊断的正确率。为了解决该问题，提出了一种基于不完全信息的轴承故障聚类识别方法。该方法将特征频率显著的样本作为先验信息，利用这些信息进行相关成分分析，从而给相关程度高的特征赋予大的权重，然后利用改进的半监督聚类算法对所有样本进行聚类识别。其中，提出了近邻扩展方法对先验信息进行扩充，增加了目标函数惩罚环节对聚类过程予以指导。将所提方法应用于联合收获机的轴承滚珠和外圈故障识别，与其它几种聚类方法相比，故障识别率提高了2.78%～7.22%。

关键词：谷物联合收获机；故障诊断；先验信息；半监督聚类

0引言

谷物联合收获机能够高效完成农作物的收割、脱粒、分离、清选及秸秆处理等一系列任务，是现代农业生产中常见的一种大型自动化设备[1-3]。其中，轴承部件在该设备的传动、行走和控制等装置中被大量地使用，是一类影响设备运行状态的重要部件。尤其在脱粒装置上用到的滚筒轴承，不仅影响脱粒的效果，而且由于在恶劣工况下工作，属于设备中的易损件。因此，有效监测滚筒轴承部件的运行状态，对联合收获机的正常运行具有重要意义[4]。……