cluster_VMDaFCM_casedat.zip - 为了精准、稳定地提取滚动轴承故障特征，提出了基于变分模态分解和奇异值分解的特征提取方法，采用标准模糊C均值聚类(fuzzy C means clustering, FCM)进行故障识
别。对同一负荷下的已知故障信号进行变分模态分解，利用
奇异值分解技术进一步提取各模态特征，通过FCM形成标准聚类中心，采用海明贴近度对测试样本进行分类，并通过计算分类系数和“卜均模糊嫡对分类性能进行评价，将该方法
应用于滚动轴承变负荷故障诊断。通过与基于经验模态分解的特征提取方法对比，该方法对标准FCM初始化条件小敏感，在同负荷故障诊断中表现出更好的分类性能 变负荷故障诊断时，除外圈故障特征线发生明显迁移，其他测试样本故障特征线仍在原聚类中心附近，整体故障识别率保持在100 ，因此，该方法能精确、稳定提取故障特征，为实际滚动轴承智能故障诊断提供参考。,2016-09-11 14:05:44,下载348次