基于人工鱼群改进聚类算法的设备故障诊断

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.

关键词：数据挖掘、设备故障诊断、聚类、k-means算法、人工鱼群算法

所属期刊栏目：34

分类号：TP18(自动化基础理论)

资助基金：安徽省自然科学研究重大项目;安徽交通职业技术学院横向委托项目

在线出版日期：2021-09-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：30-34