聚类集成方法在往复式压缩机故障诊断中的应用研究

项目名称： 聚类集成方法在往复式压缩机故障诊断中的应用研究

项目编号： No.11126277

项目类型： 专项基金项目

立项/批准年度： 2012

项目学科： 金属学与金属工艺

项目作者： 张春霞

作者单位： 西安交通大学

项目金额： 3万元

中文摘要： 往复式压缩机在多种工业过程中都起着关键作用，其微小故障就会造成整个机电系统瘫痪，并带来灾难性后果和严重的经济损失。因此，研究先进的往复式压缩机故障诊断技术具有十分重要的实际意义。然而，在往复式压缩机运行状态的监测数据中，影响参数多、故障成因复杂等因素导致很难对其故障进行准确诊断。本质上，机械故障的特征表示和判别可归结为聚类分析问题。集成学习作为机器学习领域中近年来新兴的一种学习范式，在解决该问题上具有显著优势。本项目将以往复式压缩机为研究对象，以实现其故障的内在机理分析和故障类型的准确诊断为目标，采取理论分析与应用研究相结合、数值模拟与物理实验相结合的方式，将聚类集成学习方法用于故障数据的内在特征分析，探索故障形成的共性因素，进而设计可有效诊断往复式压缩机故障的新算法。项目的所获结果不仅对完善集成学习方法的理论基础具有重要意义，也将为往复式压缩机的故障诊断提供一种新途径和新方法。

中文关键词： 故障诊断；集成学习；聚类分析；往复式压缩机；聚类集成

英文摘要：

英文关键词： Fault diagnosis；Ensemble learning；Clustering analysis；Reciprocating compressor；Cluster ensemble