基于最小最大核K均值聚类算法的水电机组振动故障诊断

摘要：

基于聚类分析的故障诊断方法能够按照故障样本之间的相似性无监督地将同类故障聚为一簇,当前已成为一类有效的故障诊断策略.为解决传统聚类算法受初始聚类中心的影响,易陷入局部最优解的问题,提出一种最小最大核K均值聚类方法.该方法在聚类过程中为簇内方差赋以与其大小成正比的自动修正的权重,并引入核函数技术以处理低维输入空间的线性不可分问题,大大提高了聚类的精确性.在标准数据上将所提方法与标准K-means及K-means++比较,显示了所提算法的有效性和优越性.基于这一聚类方法提出了一种具有自学习能力的故障诊断模型.将该诊断模型应用于水电机组振动故障诊断,实例验证了模型的可行性.

关键词：水电机组、振动、故障诊断、最小最大K均值聚类、核函数

所属期刊栏目：43

分类号：TM71(输配电工程、电力网及电力系统)

资助基金：National Natural Science Foundation of China No.51409095.国家自然科学基金项目51409095;河南工业大学高层次人才基金项目2013BS059

在线出版日期：2015-05-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：27-34