基于聚類的故障診斷方法及應(yīng)用研究.pdf

1、隨著現(xiàn)代工業(yè)化的不斷進步和發(fā)展，通過對工業(yè)過程的故障診斷來達到生產(chǎn)過程的穩(wěn)定性和安全性已成為工業(yè)化生產(chǎn)中的主要方法，而對故障診斷問題的研究已成為現(xiàn)代工業(yè)化生產(chǎn)過程中的一個熱點研究問題。為了解決生產(chǎn)過程中故障診斷的速度和精確率問題，本文提出了基于聚類算法的故障診斷，所用的聚類算法是在經(jīng)典模糊C均值聚類算法的基礎(chǔ)上提出改進的模糊C均值算法，并以數(shù)值仿真實例和Tennessee Eastman(TE)過程為例，進行了故障檢測和故障診斷的仿真實

2、驗。實驗結(jié)果表明，提出的算法有很高的可靠性和有效性。
　　 與此同時，另一個新算法被提出，在改進的模糊C均值算法的基礎(chǔ)上，提出將概率神經(jīng)網(wǎng)絡(luò)和改進的模糊C均值算法相結(jié)合的方法，并以TE過程為例對這種方法進行了有效性的實驗驗證。實驗結(jié)果表明，提出的算法在可靠性和有效性的基礎(chǔ)上提高了診斷率和診斷速度。
　　 論文的主要研究內(nèi)容：
　　 1.闡述了故障診斷方法的研究現(xiàn)狀，總結(jié)和分析了故障診斷技術(shù)的意義和目的。
　

3、　 2.闡述了聚類算法在故障診斷中的發(fā)展及研究現(xiàn)狀。
　　 3.詳細介紹了用于評價故障診斷方法的仿真實例Tennessee Eastman(TE)過程和對數(shù)據(jù)進行去噪的Haar小波。
　　 4.闡述了模糊C均值算法和減法聚類算法，提出改進的模糊C均值算法，提出將改進的模糊C均值算法以數(shù)值仿真實例和TE化工過程為例進行了仿真實驗。
　　 5.提出將概率神經(jīng)網(wǎng)絡(luò)與改進的模糊C均值相結(jié)合的故障診斷方法，運用TE過程進