10.3969/j.issn.1000-3835.2010.08.003
基于粒子群优化聚类的汽轮机组振动故障诊断
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.
汽轮机、故障诊断、粒子群优化、模糊C-均值聚类、振动
29
TP391(计算技术、计算机技术)
芬兰科学院Academy of Finland项目Grant 214144;黑龙江省教育厅科研项目11525009
2010-11-16(万方平台首次上网日期,不代表论文的发表时间)
共4页
9-12