基于改进密度峰值聚类的航空发动机故障诊断

针对快速搜索发现密度峰值聚类(CFSFDP)算法存在的密度中心选择不方便、聚类精度不高的问题,提出基于马氏距离的自动搜索发现密度峰值的聚类算法。该算法将马氏距离引入距离测定中,提高了聚类精度;提出聚类中心判定参数γ,自动获得了聚类中心。采集航空发动机转子模拟振动信号实验数据,分别采用传统CFSFDP算法、改进后的CFSFDP算法、K均值聚类和模糊C均值聚类进行分析,结果表明,所提算法能够很好地改善聚类精度,其聚类精度相比K均值聚类和模糊C均值聚类有很大优势,且在故障特征的分类与识别上均优于其他两种算法。

混合粒子群优化的多小波相邻系数法及其应用

针对传统多小波相邻系数去噪法沿用统一阈值方法获取的阈值精度不高而导致信号去噪不理想的问题,提出了基于混合粒子群优化的多小波相邻系数去噪方法。该方法将具有全局寻优能力的禁忌搜索算法和粒子群优化算法相融合,并将这种融合算法引入到多小波相邻系数去噪方法之中对其阈值求取方式进行改进。通过对比传统的多小波相邻系数去噪方法、基于经验模态分解的降噪算法及基于粒子群和遗传算法的混合粒子群算法优化的多小波去噪方法降噪结果,结果表明:基于粒子群和禁忌搜索的混合粒子群算法优化的多小波相邻系数去噪方法不仅能提取更多的故障特征信息,还能够增强故障频率冲击特性和有效抑制背景噪声。