本文關鍵詞：基于最小最大核K均值聚類算法的水電機組振動故障診斷

  更多相關文章： 水電機組 振動 故障診斷 最小最大K均值聚類 核函數(shù)

【摘要】：基于聚類分析的故障診斷方法能夠按照故障樣本之間的相似性無監(jiān)督地將同類故障聚為一簇,當前已成為一類有效的故障診斷策略。為解決傳統(tǒng)聚類算法受初始聚類中心的影響,易陷入局部最優(yōu)解的問題,提出一種最小最大核K均值聚類方法。該方法在聚類過程中為簇內方差賦以與其大小成正比的自動修正的權重,并引入核函數(shù)技術以處理低維輸入空間的線性不可分問題,大大提高了聚類的精確性。在標準數(shù)據(jù)上將所提方法與標準K-means及K-means++比較,顯示了所提算法的有效性和優(yōu)越性。基于這一聚類方法提出了一種具有自學習能力的故障診斷模型。將該診斷模型應用于水電機組振動故障診斷,實例驗證了模型的可行性。
【作者單位】： 河南工業(yè)大學電氣工程學院;許繼集團有限公司;
【關鍵詞】： 水電機組 振動 故障診斷 最小最大K均值聚類 核函數(shù)
【基金】：國家自然科學基金項目(51409095) 河南工業(yè)大學高層次人才基金項目(2013BS059)~~
【分類號】：TV738
【正文快照】： This work is supported by National Natural Science Foundation of China(No.51409095).0引言水電機組是水電能源生產過程中的核心設備,水電機組的運行健康狀況不僅關系到水電廠自身的安全還直接關系到其互聯(lián)電網的穩(wěn)定性[1-2]。因此,對水電機組開展故障診斷研究具有十分重

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 瞿f，

本文編號：1085856