10.19335/j.cnki.2095-6649.2017.10.003
基于密度峰值优化初始中心K-means算法在风力发电系统的故障诊断分析
针对风电系统故障种类多,故障信号数据维数大,诊断正确率低的问题,提出一种利用密度峰值优化初始质心K-means分类算法进行诊断;K-means算法的初始聚类质心是随机选取的,聚类质心选取质量严重影响聚类结果的稳定性,当聚类较大维数的数据时效果很不理想.而CFSFDP(clustering by fast search and find of densitypeaks)算法对维数较大的数据有良好的聚类能力,但是对于同类多峰的数据,分类效果稳定性变差,总体效果不够理想.为此,综合两种算法的优点,本文提出一种快速密度峰值搜索算法K-CFSFDP(clustering by fast searchand find of density peaks)优化初始质心的K-means算法并在风力发电系统的故障诊断应用中获得了良好的效果.
风电系统、故障诊断、K-means算法、CFSFDP算法、密度峰值、聚类分析
7
TM9;TP3
国家自然科学基金61673166;湖南省教育厅科研重点项目17A053
2018-01-12(万方平台首次上网日期,不代表论文的发表时间)
共7页
13-19