【技术实现步骤摘要】
一种基于K-Means的机械姿态分析方法及系统
本专利技术公开一种方法及系统，涉及数据挖掘
，具体地说是一种基于K-Means的机械姿态分析方法及系统。
技术介绍
目前在判别机械姿态方法上主要存在步骤繁琐、需要人为介入的地方多、判别结果存在较大不准确等问题。存在这种问题的原因主要在于每种机械设备都有其自身的特点，即使是同一辆设备随着时间的推移其自身特点也会进行改变，因此没有办法设定统一的规则去适应所有类型的车辆，而需要人为的进行参与，提前为每台设备监测数据进行打标签，因此比较繁琐且不准确。
技术实现思路
本专利技术针对现有技术的问题，提供一种基于K-Means的机械姿态分析方法及系统，利用K-Means数据挖掘算法，深度解析加速度、角速度、角度等属性，判别设备运行状态，并根据设备持续的运行自行矫正之前的判别状态，提升判别准确性、简化操作步骤、提升工作效率。本专利技术提出的具体方案是：一种基于K-Means的机械姿态分析方法，获取机械设备的运行状态数据，包括地面速度数据、加速度
【技术保护点】
1.一种基于K-Means的机械姿态分析方法，其特征是获取机械设备的运行状态数据，包括地面速度数据、加速度数据及角速数据，/n利用K-Means聚类算法进行运行状态数据的聚类分析：分别随机选取地面速度数据、加速度数据及角速数据作为初始中心点，并将其他运行状态数据视为数据点，计算其他各数据点到初始中心点的距离，迭代替换距离中心最近的数据点为初始中心点，/n将运行状态数据进行数据标准化，并分配地面速度数据、加速度数据及角速数据相应的占比系数，/n根据运行状态数据的属性分配相应的数据标签，结合聚类分析、占比系数及数据标签形成姿态分析模型，/n利用姿态分析模型根据机械设备的运行状态...
【技术特征摘要】 【专利技术属性】
1.一种基于K-Means的机械姿态分析方法，其特征是获取机械设备的运行状态数据，包括地面速度数据、加速度数据及角速数据，
利用K-Means聚类算法进行运行状态数据的聚类分析：分别随机选取地面速度数据、加速度数据及角速数据作为初始中心点，并将其他运行状态数据视为数据点，计算其他各数据点到初始中心点的距离，迭代替换距离中心最近的数据点为初始中心点，
将运行状态数据进行数据标准化，并分配地面速度数据、加速度数据及角速数据相应的占比系数，
根据运行状态数据的属性分配相应的数据标签，结合聚类分析、占比系数及数据标签形成姿态分析模型，
利用姿态分析模型根据机械设备的运行状态数据进行机械姿态分析。
2.根据权利要求1所述的一种基于K-Means的机械姿态分析方法，其特征是聚类分析步骤：
步骤1：设置聚类个数K＝3，
步骤2：分别随机取地面速度数据、加速度数据及角速数据作为初始中心点，
步骤3：计算其他各数据点到初始中心点的距离，并将距离初始中心点最近距离的中心的数据点替换为初始中心点，
步骤4：迭代进行替换直至新旧初始中心点的变化值小于设置的阈值或达到设置迭代次数时终止迭代。
3.根据权利要求1或2所述的一种基于K-Means的机械姿态分析方法，其特征是分配相应的数据标签：
根据机械姿态，设置数据标签及数据标签分配规则，
对形成的运行状态数据按照数据标签分配规则自动分配数据标签。
4.根据权利要求1-3任一所述的一种基于K-Means的机械姿态分析方法，其特征是对姿态分析模型进行验证，根据验证结果进行姿态分析模型的改进。
5.一种基于K-Means的机械姿态分析系统，其特征是包括采集模块、聚类模块、建立模型模块及分析模块，
采集模块获取机械设备的运行状态数据，包括地面速度数据、加速度数据及角速数据，
技术研发人员：许之友，魏飞龙，
申请(专利权)人：中建八局第二建设有限公司，
类型：发明
国别省市：山东;37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。