科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了提高设备故障诊断的性能,采用k-means聚类算法建立设备故障诊断模型,并根据聚类类别数设定多个聚类中心坐标。将待聚类样本点与中心点距离值作为类判别依据,并以此作为适应度函数。考虑到k-means处理大规模数据样本时存在精度不高的缺点,引入人工鱼群算法对其初始中心点进行优化选择,直到达到最大迭代次数或者最低聚类精确度阈值,从而获得稳定的设备故障诊断模型。实验证明,通过合理设置人工鱼群视野值,能够获得较好的聚类性能,相比于常见设备故障诊断算法,该算法的设备故障诊断准确度高,且标准差小,在设备故障诊断方面适用度高。
-
单位淮北师范大学; 安徽交通职业技术学院
