基于数据挖掘算法的通信领域故障信号识别性能分析

作者：陈家璘; 孙俊; 贺易; 张锦华; 杨硕; 赵世文

来源：电子测量技术, 2019, 42(23): 179-183.

DOI：10.19651/j.cnki.emt.1903102

• 通信领域
• 故障信号识别
• 数据挖掘算法
• K-means聚类算法
• BP神经网络模型

针对通信领域故障信号识别的技术问题,提出了基于数据挖掘算法的通信故障信号识别方法。通过K-means聚类算法,使得用户从诸如温度、振动、电网故障、负荷、湿度、谐波、磁场、电网纹波等影响通信质量的样本数据中,根据通信类别样本的某些属性或某类特征,确定聚类簇数K,把通信样本类型归为已确定的某一类别中,使得簇内的通信样本数据能够紧密分布在一起,并通过欧几里得距离公式计算出某个类别范围内的数据,通过对数据进行聚类,使用户快速对影响因子进行分析、计算,大大提高了分类效果及稳定性。然后在聚类的数据中,采用BP神经网络模型再次对获取的聚类数据进行训练、计算,能够映射、处理不同聚类类别故障信息数据之间的复杂非线性关系,更加精确、及时处理数据,使用户对评估故障信号的精确度大大提高,减少了计算误差。