黑龙江省教育厅科学技术研究项目(11525009)
- 作品数：3 被引量：11H指数：2
- 相关作者：刘福荣王宏伟王常虹李广辉更多>>
- 相关机构：哈尔滨电力职业技术学院哈尔滨工业大学更多>>
- 发文基金：黑龙江省教育厅科学技术研究项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于免疫克隆与模糊聚类的汽轮机故障诊断方法的研究被引量：1
- 2009年
- 提出了一种免疫克隆选择算法与模糊C-均值聚类算法相结合的混合聚类算法,是一种有监督学习和无监督学习结合的算法。该算法首先用克隆选择算法对模糊聚类中心的选取进行指导,然后进行聚类。仿真结果表明,将该算法用于汽轮机的故障诊断,能够正确地诊断出存在的故障,提高了故障诊断的准确性和有效性,其性能优于模糊C-均值聚类的故障诊断方法。
- 刘福荣李广辉
- 关键词：汽轮机故障诊断人工免疫克隆选择模糊C-均值聚类
- 基于粒子群和免疫克隆的模糊C-均值聚类被引量：3
- 2009年
- 目的基于梯度下降的模糊聚类算法(FCM)选择最优解做改进,降低原FCM对初始值的敏感度,改进模糊C-均值算法,加快收敛速度,改善聚类的效果.方法该算法通过克隆选择改变粒子群优化算法(PSO)中群体的多样性,用PSO代替了FCM算法的基于梯度下降的迭代过程.结果算法具有很强的全局搜索能力,很大程度上避免了FCM算法易陷入局部极值的缺陷,同时也降低了FCM算法对初始值的敏感度.通过机器学习中的W ine和Iris数据对所提出的算法进行验证,取W ine样本数据为178个,条件属性为13,聚类类别数为3;Iris数据150个,条件属性个数为4,对这两类数据分别进行聚类分析,将试验结果与单纯的FCM和基于PSO的FCM比较,聚类的正确性有所提高.结论基于粒子群和免疫克隆的模糊C-均值聚类算法具有很强的全局搜索能力,提高了聚类的效果和效率.
- 刘福荣高晓智王常虹
- 关键词：粒子群优化算法克隆选择模糊C-均值算法
- 基于粒子群优化聚类的汽轮机组振动故障诊断被引量：7
- 2010年
- 针对模糊C-均值聚类算法(FCM)容易陷入局部极值和对初始值敏感的不足,提出了一种新的模糊聚类算法(PFCM),新算法利用粒子群优化算法(PSO)全局寻优、快速收敛的特点,代替了FCM算法的基于梯度下降的迭代过程,使算法具有很强的全局搜索能力,很大程度上避免了FCM算法易陷入局部极值的缺陷,同时也降低了FCM算法对初始值的敏感度。将该算法应用于汽轮机组振动故障诊断中,与电厂运行实际故障状态对照,仿真结果表明该算法提高了故障诊断的正确率。为汽轮机振动故障诊断方法的研究提供了一种新的思路。
- 刘福荣王宏伟高晓智
- 关键词：汽轮机故障诊断粒子群优化模糊C-均值聚类
