1、隨著科學(xué)技術(shù)的發(fā)展,機械設(shè)備越來越復(fù)雜,設(shè)備運行中發(fā)生故障或失效可能會造成巨大的損失。因此,及時地監(jiān)測設(shè)備健康狀態(tài),可以有效保障設(shè)備安全可靠運行,防止事故的發(fā)生。本文以滾動軸承為研究對象,研究了基于AP聚類算法的機械結(jié)構(gòu)健康狀態(tài)監(jiān)測技術(shù),研究工作和成果如下:
　　為了提取有效的設(shè)備健康狀態(tài)特征,研究了信號的預(yù)處理方法:時域指標(biāo)、頻域指標(biāo)和小波包變換。實驗表明:當(dāng)滾動軸承出現(xiàn)不同損傷時,振動信號的時域、頻域、時頻域指標(biāo)都會發(fā)生變化,

2、且在不同損傷狀態(tài)時,這些指標(biāo)有明顯差別;因此,特征提取不僅可以降低設(shè)備狀態(tài)參量的維數(shù),同時也可以有效地描述設(shè)備的健康狀態(tài)。
　　為了描述設(shè)備健康狀態(tài),研究了基于能量熵的健康狀態(tài)監(jiān)測方法,首先對設(shè)備的振動信號進行小波包分解以獲取各個頻帶的相對能量,然后獲得熵值,實驗表明:小波包能量熵可以有效地鑒別故障狀態(tài)和損傷程度,可以用來監(jiān)測滾動軸承健康狀態(tài)的變化歷程。
　　針對一般聚類算法需要事先指定類別數(shù)或聚類不收斂等問題,研究了AP聚

3、類分析的結(jié)構(gòu)健康狀態(tài)監(jiān)測方法,實驗表明:AP聚類算法參考度p和收斂系數(shù)λ對聚類結(jié)果有較大的影響,在參考度p相同的情況下,收斂系數(shù)λ增大,算法的迭代次數(shù)也隨之增加,如果收斂系數(shù)λ過小,算法可能會出現(xiàn)振蕩甚至不收斂;在相同收斂系數(shù)λ的情況下,參考度p的取值會影響聚類分析的結(jié)果,當(dāng)參考度取值較大時,會產(chǎn)生分類過多的現(xiàn)象,而當(dāng)參考度取值較小時,會出現(xiàn)欠分類的現(xiàn)象。相對而言,參考度的取值對聚類結(jié)果的影響較大。
　　為了克服AP算法的聚類結(jié)果