Print

基于膜聚类算法的风机振动故障诊断

论文摘要

在工业环境下,风机振动故障常常需要人工诊断,诊断效率低,不易完成实时计算和在线分析判断;针对上述问题,提出了一种膜聚类算法可用于风机振动故障的在线智能诊断;该算法将膜计算的方法引入到聚类中,并采用概率模型更新种群的方法实现最佳聚类中心的寻优;算法首先在多个数据集上进行聚类实验,实验结果显示该算法克服了常规聚类算法聚类结果不稳定,聚类质量差的缺点;然后将其应用于风机振动故障在线诊断系统中进行仿真测试,结果显示所采用的方法能满足风机振动故障在线智能诊断要求,也可应用于其他各类设备的振动故障在线智能诊断。

论文目录

  • 0 引言
  • 1 传统聚类算法
  •   1.1 数据聚类
  •   1.2 K-means算法
  • 2 本文膜聚类算法
  •   2.1 膜结构
  •   2.2 膜进化规则
  •   2.3 算法步骤
  • 3 仿真实验与实验结果分析
  •   3.1 实验条件与数据集
  •   3.2 输入参数
  •   3.3 实验结果
  • 4 风机振动故障诊断
  •   4.1 风机振动故障诊断系统
  •   4.2 故障诊断系统的应用验证
  • 5 结束语

    • 文章来源

    类型: 期刊论文

    作者: 邹武俊,田涛,蒲家蓉,张宇森

    关键词: 膜计算,聚类算法,风机振动,故障诊断

    来源: 计算机测量与控制 2019年02期

    年度: 2019

    分类: 信息科技,工程科技Ⅱ辑

    专业: 机械工业,计算机软件及计算机应用

    单位: 华北电力大学(北京)控制与计算机工程学院

    分类号: TP311.13;TH44

    DOI: 10.16526/j.cnki.11-4762/tp.2019.02.003

    页码: 9-13

    总页数: 5

    文件大小: 553K

    下载量: 82

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/db3f1d1cd98a2e6c974a9740.html