面向高维特征故障数据的进化软子空间聚类算法
【作者】
夏虎
;
庄健
;
于德弘
【关键词】
故障诊断
软子空间聚类
进化算法
相关特征维
【摘要】针对复杂机械设备故障诊断中特征量众多且对各种故障敏感程度不同的现象,提出了采用软子空间聚类算法来实现故障的识别方法。同时,针对传统软子空间聚类易陷入局部最优,目标函数设计受限制的缺点,又提出了采用进化计算实现聚类的方法。利用同类样本在相关特征维上方差小的假设,新的目标函数能更好地评价聚类结果的质量。在该算法中,通过设计类中心和权重值的混合编码以及聚类导向搜索算子,使算法更适于聚类问题的优化,而且设计的修复算子可有效地去除不合理的聚类结果。采用5组UCI数据集、2组轴承滚珠故障数据集和3组往复式压缩机气阀故障数据集对算法进行了测试,结果表明:该算法明显好于几种的软子空间聚类算法,在Ibnd指标上最多可高出0.2266,并且对2组不同工况下一级缸气阀故障可实现100%的故障识别。
上一篇:曲面仿生复眼透镜微复型过程变形分析
下一篇:新型可调谐外腔半导体激光器光频扫描干涉测距方法