基于模糊聚類方法的故障診斷算法研究.pdf

1、隨著科學(xué)技術(shù)的進(jìn)步，大量的工業(yè)設(shè)備向著自動化、智能化的方向發(fā)展，但因此帶來的問題也越來越多。機(jī)械設(shè)備的復(fù)雜結(jié)構(gòu)使得現(xiàn)有的故障診斷技術(shù)已經(jīng)不能滿足設(shè)備故障診斷的需求。因此，本文在地鐵輔助逆變器故障診斷的工程背景下，對基于模糊聚類方法的故障診斷算法進(jìn)行了研究。
　　本文在第一章介紹了選題的來源、課題的背景與研究意義;介紹了故障診斷技術(shù)的分類、國內(nèi)外發(fā)展情況;最后列出了本文的主要內(nèi)容和結(jié)構(gòu)安排。在第二章介紹了聚類的基本概念、故障信號分析

2、技術(shù)以及相似度判別方法等。第三、四、五章是本文研究的主要工作，也是本文的核心內(nèi)容，其主要內(nèi)容如下:
　　第三章基于FCM聚類算法進(jìn)行了故障診斷技術(shù)的理論研究。首先介紹了HCM聚類算法和FCM聚類算法的基本原理，總結(jié)出HCM聚類算法和FCM聚類算法用于故障診斷中的一般步驟。其次在FCM聚類算法的基礎(chǔ)上，引入屬性權(quán)矩陣來表明數(shù)據(jù)樣本的特征向量中不同元素對于故障樣本聚類分析的影響。從算法收斂速度上講，二者大致相同;從故障分類效果上講，W

3、FCM聚類算法略優(yōu)于FCM聚類算法。
　　第四章基于AP聚類算法故障診斷技術(shù)的進(jìn)行了理論研究。文中介紹了AP聚類算法的基本原理，總結(jié)出AP聚類算法用于故障診斷中的一般步驟。實(shí)驗(yàn)結(jié)果表明，AP聚類算法可以從初始聚類樣本中選出合適的故障樣本作為初始聚類中心，能夠?qū)崿F(xiàn)對故障樣本的分類。
　　第五章基于PCM聚類算法進(jìn)行了故障診斷技術(shù)研究。文中介紹了PCM聚類算法、KPCM聚類算法的基本原理，總結(jié)出PCM、KPCM聚類算法應(yīng)用于故障