基于谱聚类提取与数据场模型融合的提升机故障分析 论文

由于有监督谱聚类方法中需要初始化聚类数目和聚类中心节点，因此存在鲁棒性不足的现象，针对此问题研究了谱聚类算法的改进方法。首先通过数据场模型对样本集合中的孤立数据进行清除，然后再根据数据场模型的设计确定聚类节点个数及聚类分类数，最后再通过Kmeans算法进行无监督方式下的样本点划分。通过UCI公开数据集与提升机发生轴承故障时所产生的数据集进行了方法验证，实验结果显示将谱聚类技术与数据场模型的融合有效提升了提升机的故障诊断能力。