基于改進(jìn)的聚類算法的復(fù)雜系統(tǒng)故障診斷研究.pdf

1、隨著科技水平的不斷提高，尤其是在計(jì)算機(jī)控制領(lǐng)域的高速發(fā)展下，一方面使得系統(tǒng)的復(fù)雜程度和規(guī)模大幅度增加；另一方面如果有一些小的故障未能及時(shí)的在系統(tǒng)中檢測(cè)出，將會(huì)造成整個(gè)系統(tǒng)的癱瘓、失效，甚至更嚴(yán)重的一些后果。因此，有待解決的一個(gè)重要問(wèn)題是如何提高系統(tǒng)的可靠性、安全性，抑制和防止影響系統(tǒng)正常運(yùn)行的故障的發(fā)生。本文針對(duì)故障診斷技術(shù)的特點(diǎn)，以TE過(guò)程為研究背景，采用了改進(jìn)的聚類算法，在一定程度上提高了故障診斷系統(tǒng)的智能化程度。
　　針對(duì)故

2、障診斷的準(zhǔn)確度問(wèn)題，本文提出了一種基于小波變換與K均值（K-means）相集合的故障診斷方法。該方法在TE過(guò)程中進(jìn)行應(yīng)用，首先通過(guò)小波變換對(duì)數(shù)據(jù)去噪，再通過(guò)K-means進(jìn)行聚類，和未經(jīng)過(guò)小波變換的K-means算法相比較，在診斷精度方面，優(yōu)于傳統(tǒng)單一型聚類方法。
　　針對(duì)故障診斷的快速性問(wèn)題，本文提出增量聚類（Incremental clustering）的算法，節(jié)省了存儲(chǔ)空間和運(yùn)算時(shí)間，同時(shí)增加了診斷模型的適應(yīng)性。實(shí)驗(yàn)結(jié)果表明