基于G―K模糊聚类的故障诊断方法研究

开篇：润墨网以专业的文秘视角，为您筛选了一篇基于G―K模糊聚类的故障诊断方法研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

【摘 要】本文通过引入模糊故障度的概念，提出了一种在输入输出乘积空间中利用Gustafuson-Kessel模糊聚类建立故障诊断模型的方法，该方法不仅能识别数据集中故障模式的不同形状和方向，而且具有很强噪声处理能力。

【关键词】故障诊断；聚类分析；模糊聚类

0 引言

近年来，随着故障诊断技术理论研究的不断深入，各种方法相互渗透借鉴，目前该领域我国在大系统故障诊断、多元统计分析、基于信息融合方法、基于神经网络的方法、基于专家系统方法等方面取得了一系列的研究成果，其中部分领域处于国际领先地位[1-2]。尽管故障诊断技术的相关研究不断深入，取得了很多成果，但工业技术的整体进步迅猛，使得故障诊断技术理论及应用研究都急需加强。目前该领域的研究热点问题有[3]：复杂系统多故障检测；基于人工智能的故障推理机制；多信息融合故障诊断方法；强扰动系统故障诊断；实用化工程故障诊断软件的开发。

聚类分析是近二十年发展起来的一种新的数学方法，聚类就是将一个数据集划分为若干组或类的过程并使同一组内的对象具有较高相似度，而不同组的对象之间相似度较差，组内对象之间的相似度越高而不同组对象之间的差别程度越大，聚类的质量也就越高。故障诊断领域应用最多的是基于模糊理论衍化的各种模糊聚类分析方法[4]，因为对故障的识别问题往往伴有模糊性，即需要确定的不仅是定性的有或者无，更重要的是相识程度，这些问题用模糊语言来表达更为自然和符合实际。

1 模糊聚类故障诊断模型

5 结束语

利用G-K算法提出了一种在输入输出乘积空间中，通过模糊聚类获得基于知识的故障诊断模型的方法。该方法可以发现数据集中不同形状和方向的故障模式，同时该方法比传统的故障诊断模型更具柔性，具有更强的处理噪声数据的能力。

【参考文献】

[1]周东华.国内动态系统故障诊断技术的一些最新进展[J].自动化博览，2007（10）：16-18.

[2]于春梅，杨胜波，陈馨.多元统计方法在故障诊断中的应用综述[J].计算机工程与应用，2007，43（8）：205-208.

[3]BO-SUK YANG，XIAO DI，TIAN HAN，Random forests classifier for machine fault diagnosis[J].Journal of Mechanical Science and Technology，2013，22（9）：16-25.

[4]高新波.模糊聚类分析及其应用[M].西安：西安电子科技大学出版社，2004：2-40.

[5]杜运成，石红瑞，杨晓波.控制系统故障诊断方法综述[J].工业仪表与自动化装置，2008（5）：9-13.

[6]Lv Ning，Qiao Yu-jing，Yu Xiao-yang，et al.Building of fault diagnosis model based on Custafson-Kessel fuzzy clustering.Harbin Institute Technology Publishers[C]//Proceedings of the 3th International Symposium on Instrumentation Science and Technology，2004，1：511-516.