[发明专利]一种基于迁移聚类的轴承性能退化评估方法

摘要

一种基于迁移聚类的轴承性能退化评估方法，涉及一种机器部件性能评估方法，该方法在轴承性能退化的历史监测数据集（即辅助域）上利用经典MEC推导实现历史知识的迁移，获得目标域轴承性能退化小样本数据集的聚类中心；引入核空间上的距离测度以改善退化样本的聚类性能，获得核空间上目标域轴承性能退化小样本数据集；利用核空间上的聚类中心对目标数据集中的测试样本进行聚类，实现待识别样本退化状态的自动标注。本方法解决基于数据驱动的轴承性能退化评估技术中通用样本匮乏问题，提供了一种新的途径，通过提高聚类样本的典型性提高轴承性能退化样本的聚类精度。

主权项

1.一种基于迁移聚类的轴承性能退化评估方法，其特征在于，所述方法包含如下步骤：步骤一：在轴承性能退化的历史监测数据集（即辅助域）上利用标准MEC推导获得历史聚类中心集：标准MEC推导的目标函数如下：其中，为聚类中心数，为样本数，表示第个样本对第个聚类中心的隶属度；利用Lagrange乘子法求目标函数的最小值来获得最优解,聚类中心和隶属度的迭代公式如下：根据公式（2）和公式（3）进行迭代优化，获得轴承退化历史数据集的聚类中心；步骤二：在目标域轴承性能退化小样本数据集上进行聚类，聚类过程中借鉴了步骤一中获得的历史数据集的聚类中心，实现历史知识的迁移；迁移聚类推导的目标函数如下：利用Lagrange乘子法求目标函数的最小值来获得最优解,聚类中心和隶属度的迭代公式如下：根据公式（5）和公式（6）进行迭代优化，获得目标域轴承性能退化小样本数据集的聚类中心；步骤一中获得的包含了数据与类别之间的关联关系，将这一信息用于目标数据集的聚类过程中，可以有效改善目标小样本数据集的聚类效果，以解决轴承性能退化评估技术中普遍面临的通用样本匮乏问题；步骤三：引入Mercer核非线性映射，则目标函数变为选择高斯核函数，进一步，利用Lagrange乘子法求目标函数的最小值来获得最优解，求得的隶属度和聚类中心迭代公式如下：根据公式（9）和公式（10）进行迭代优化，获得核空间上目标域轴承性能退化小样本数据集的聚类中心；轴承退化样本在欧式空间十分接近，基于欧式距离的聚类推导由于距离十分接近而性能下降，引入核空间上的距离测度后可以改善退化样本的聚类性能；步骤四：利用步骤三获得的轴承性能退化小样本数据集的聚类中心对目标数据集中的测试样本进行聚类，实现待识别样本退化状态的自动标注。