计算机与数字工程
計算機與數字工程
계산궤여수자공정
COMPUTER & DIGITAL ENGINEERING
2014年
1期
14-18
,共5页
高志春%陈冠玮%胡光波%张毅
高誌春%陳冠瑋%鬍光波%張毅
고지춘%진관위%호광파%장의
数据聚类%遗传算法%倾斜因子%故障诊断
數據聚類%遺傳算法%傾斜因子%故障診斷
수거취류%유전산법%경사인자%고장진단
data clustering%genetic algorithm%slope factor%fault diagnosis
为提高海量数据挖掘和聚类的效率和精度,以应用于压缩机机械故障智能诊断中.将遗传算法与K均值聚类算法进行互补,提出基于倾斜分类K均值优化数据聚类算法.算法引入倾斜因子,避免较小类数据产生次优解的现象发生.在传统的K均值数据聚类算法基础上,通过倾斜因子排除了少数类局部最优解的干扰,提高遗传算法的收敛速度,也可以避免过早收敛到局部最优解中.仿真实验中以某天然气压气站采集的故障状态下的压缩机振动信号提取的特征量数据作为研究对象,进行数据聚类分析.仿真实验表明,通过改进的数据聚类算法对故障信号关联维特征量进行分类识别,能有效对四类天然气压缩机故障进行诊断分类,准确率能提高18.7％,研究结果在数据优化聚类及在机械故障诊断中的应用中具有良好的指导意义和实践价值.
為提高海量數據挖掘和聚類的效率和精度,以應用于壓縮機機械故障智能診斷中.將遺傳算法與K均值聚類算法進行互補,提齣基于傾斜分類K均值優化數據聚類算法.算法引入傾斜因子,避免較小類數據產生次優解的現象髮生.在傳統的K均值數據聚類算法基礎上,通過傾斜因子排除瞭少數類跼部最優解的榦擾,提高遺傳算法的收斂速度,也可以避免過早收斂到跼部最優解中.倣真實驗中以某天然氣壓氣站採集的故障狀態下的壓縮機振動信號提取的特徵量數據作為研究對象,進行數據聚類分析.倣真實驗錶明,通過改進的數據聚類算法對故障信號關聯維特徵量進行分類識彆,能有效對四類天然氣壓縮機故障進行診斷分類,準確率能提高18.7％,研究結果在數據優化聚類及在機械故障診斷中的應用中具有良好的指導意義和實踐價值.
위제고해량수거알굴화취류적효솔화정도,이응용우압축궤궤계고장지능진단중.장유전산법여K균치취류산법진행호보,제출기우경사분류K균치우화수거취류산법.산법인입경사인자,피면교소류수거산생차우해적현상발생.재전통적K균치수거취류산법기출상,통과경사인자배제료소수류국부최우해적간우,제고유전산법적수렴속도,야가이피면과조수렴도국부최우해중.방진실험중이모천연기압기참채집적고장상태하적압축궤진동신호제취적특정량수거작위연구대상,진행수거취류분석.방진실험표명,통과개진적수거취류산법대고장신호관련유특정량진행분류식별,능유효대사류천연기압축궤고장진행진단분류,준학솔능제고18.7％,연구결과재수거우화취류급재궤계고장진단중적응용중구유량호적지도의의화실천개치.
