改进测度下的模糊C均值三元催化器故障诊断方法

摘要：

针对采用物理建模刻画三元催化器故障演化精确性不足问题,提出一种基于尾气大数据的改进测度模糊C均值(FCM,fuzzy c-means),故障诊断方法.该方法包括分数阶傅里叶变换(FRFT,fractional fourier transform)下的故障特征提取与优化、核熵成分分析(KECA,kernelentropy component analysis)下的分形故障特征降维以及改进相似测度下的FCM故障特征聚类.首先,对不同工况的尾气数据进行FRFT处理,获取三元催化器从时域到频域的精细故障信息,同时利用粒子群算法(PSO,paticle swarm optimization)选取最优的FRFT特征,并由分形算子给出相应精细特征的分形维数;其次,借助KECA对候选的高维分形特征进行维数约简;最后,将获得的故障特征提交给改进测度的FCM故障分类器完成故障诊断.数值实验结果表明,较之采用欧式距离或余弦距离的FCM方法,研究方法的故障诊断精确度更高.

关键词：三元催化器、故障诊断、尾气排放、模糊聚类

所属期刊栏目：41

分类号：TP277(自动化技术及设备)

资助基金：国家自然科学基金资助项目61403053;重庆高校优秀成果转化项目KJZH14207.Supported by National Natural Science Foundation of China61403053;Achievement Transfer Program of Institutions of Higher Education in ChongqingKJZH14207

在线出版日期：2018-05-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：88-98