基于馬氏距離的PFCM算法的非線性系統(tǒng)故障診斷方法.pdf

1、隨著工業(yè)技術的進步，現(xiàn)在的工業(yè)過程逐漸向著復雜化的方向發(fā)展。這些復雜工業(yè)過程一旦出現(xiàn)故障就可能導致員工受傷和巨額的經濟損失。故障診斷技術能夠在系統(tǒng)發(fā)生故障時，及時將故障類型診斷出來，從而能避免由突發(fā)故障而造成的設備損壞和人員傷亡。由于現(xiàn)在的工業(yè)過程大多是復雜的非線性系統(tǒng)，而復雜非線性系統(tǒng)難于建立精確的數(shù)學模型，因此不依賴數(shù)學模型的故障診斷技術得到了廣泛的關注。
　　模糊聚類是一種不依賴于數(shù)學模型的方法，在診斷過程中可以從系統(tǒng)的監(jiān)測

2、數(shù)據中得到系統(tǒng)的運行模式。本文通過對現(xiàn)有的幾種算法進行研究，發(fā)現(xiàn)其不能滿足非線性系統(tǒng)故障診斷的需要，因此本文提出了基于馬氏距離的可能性模糊C-均值（PFCM-M）聚類算法，并通過仿真實驗證明其有效性。本文主要內容如下：
　　1.本文首先分析了硬C-均值（HCM）、模糊C-均值（FCM）、可能性C-均值（PCM）和可能性模糊C-均值（PFCM）四種聚類算法的原理，并通過實驗證明了PFCM算法克服了FCM算法對噪聲敏感和PCM算法的一