基于模糊聚類的故障診斷技術研究.pdf

1、基于模糊聚類的故障診斷技術是一類十分重要的故障診斷技術，在對復雜龐大的系統進行故障診斷時有著獨特的優(yōu)勢，對系統先驗知識的需求較少，不需要精確的數學解析模型，可以從大量的系統監(jiān)控數據中獲取系統運行模式信息。在工業(yè)生產流程和機器設備日趨復雜的今天，研究基于模糊聚類的故障診斷技術有著十分重要的理論意義和工程應用價值。
　　基于模糊聚類的故障診斷技術一直是相關領域內的熱點研究對象，從誕生之日起已經涌現出了很多不同的聚類算法和診斷方法。但是

2、在未知故障的診斷問題上的研究一直比較薄弱，并沒有形成成熟的方法和共識。本文便從未知故障的診斷問題出發(fā)，研究如何隔離未知故障與已知故障及如何隔離同一類型故障的不同強度，并在模糊聚類算法和在線診斷方案兩個方面進行了深入的理論分析和大量的實驗驗證，分別提出了改進型可能性GK聚類算法（IPGK）和基于故障向量的在線診斷方案，通過這兩種新方法的結合，較好的解決了未知故障的診斷問題。本文的主要內容如下：
　　1、回顧故障診斷技術的發(fā)展歷程，分

3、類介紹了幾種常見的故障診斷方法。著重總結了與基于模糊聚類的故障診斷技術相關的研究成果、研究文獻、基礎理論和技術方法，闡述了模糊聚類、模式識別和故障診斷之間的緊密聯系，對基于模糊聚類的故障診斷技術涉及到的幾個關鍵詞進行了解釋。
　　2、簡單介紹了模糊數學的發(fā)展歷程，介紹了模糊聚類技術的發(fā)展歷程和理論背景，從理論分析和實驗驗證兩方面研究了應用最為廣泛的模糊c-均值聚類（FCM）算法，結果表明未知故障的診斷需要聚類算法能夠檢測超橢球體或

4、超線性分布的數據，并具有適合檢測孤立點的特性。根據這一具體需求，針對FCM算法、可能性c-均值聚類（PCM）算法、改進型可能性c-均值聚類（IPCM）算法三種有代表性的成熟算法各自的特點和不足，進行算法的研究和改進工作，提出了基于馬氏距離的改進型可能性GK聚類算法(IPGK)。通過仿真實驗說明，此算法能較好地處理超橢球體或超線性分布的數據，并具有適合檢測孤立點和診斷未知故障的特性。
　　3、通過理論分析和仿真實驗指出，常見的在線診

5、斷方法無法隔離同一類型故障的不同強度，會導致錯誤診斷。在IPGK算法的基礎上進行簡單修改即可得到單一類別數據的聚類計算方法，實現了在線數據聚類中心的計算。引入方向殘差的概念得到了故障強度的計算方法和故障數據聚類中心的分布規(guī)律，并在模糊聚類領域內將方向殘差引申為故障向量，提出了基于故障向量的在線診斷方法。通過實驗說明這一在線診斷方法可以對不同強度下的同一故障進行隔離。
　　4、將IPGK算法和基于故障向量的在線診斷方案結合在一起形成