适应DBSCAN集群和GASA优化用于未确定混合矩阵估计,用于反向压缩机故障诊断
Yanyang Li1,2, Jindong Wang1, Haiyang Zhao1
1College of Mechanical Science and Engineering, Northeast Petroleum University, Daqing 163318, China.
Sensors (Basel, Switzerland)
|January 11, 2024
概括
这项研究介绍了CYYM方法用于低确定盲源分离 (UBSS),通过结合自适应DBSCAN集群和遗传模拟化优化 (GASA) 来提高准确性. 这种新的方法提高了机器的故障诊断.
科学领域:
- 信号处理 信号处理
- 人工智能的人工智能
- 机械工程 机械工程
背景情况:
- 未确定盲源分离 (UBSS) 对于有限的传感器信号恢复至关重要.
- 传统的UBSS集群方法需要先前了解源号码,并且容易出现不准确.
- 现有的UBSS人工智能优化算法可能对异常值敏感,影响性能.
研究的目的:
- 提出一种新的方法,CYYM,用于准确的未确定盲源分离.
- 在UBSS中解决传统集群和AI优化的局限性.
- 通过改进的源信号恢复,实现有效的故障诊断.
主要方法:
- 开发了CYYM方法,集成了基于适应密度的应用程序与噪声的空间聚类 (DBSCAN) 和基因模拟化优化 (GASA).
- 适应DBSCAN识别了源信号的数量,并排除了噪声.
- 通过结合遗传算法 (GA) 和模拟化 (SA),GASA优化了集群中心.
主要成果:
- CYYM方法准确计算了UBSS的混合矩阵.
- 通过模拟和实验数据取得了成功的源信号恢复.
- 精制复合多尺度模糊 (RCMFE) 对恢复信号的分析使得有效的压缩机故障诊断成为可能.
结论:
- CYYM方法为未确定盲源分离提供了强大的解决方案.
- 该方法提高了混合矩阵估计和源信号恢复的准确性.
- 这项研究在机械故障诊断和相关领域提出了实际应用.
