基于粒子群优化聚类的汽轮机组振动故障诊断

摘要：

针对模糊C-均值聚类算法(FCM)容易陷入局部极值和对初始值敏感的不足,提出了一种新的模糊聚类算法(PFCM),新算法利用粒子群优化算法(PSO)全局寻优、快速收敛的特点,代替了FCM算法的基于梯度下降的迭代过程,使算法具有很强的全局搜索能力,很大程度上避免了FCM算法易陷入局部极值的缺陷,同时也降低了FCM算法对初始值的敏感度.将该算法应用于汽轮机组振动故障诊断中,与电厂运行实际故障状态对照,仿真结果表明该算法提高了故障诊断的正确率.为汽轮机振动故障诊断方法的研究提供了一种新的思路.

关键词：汽轮机、故障诊断、粒子群优化、模糊C-均值聚类、振动

所属期刊栏目：29

分类号：TP391(计算技术、计算机技术)

资助基金：芬兰科学院Academy of Finland项目Grant 214144;黑龙江省教育厅科研项目11525009

在线出版日期：2010-11-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：9-12