基于在线模糊聚类的故障检测和容错控制

提出了一种新的基于T-S模糊模型在线辨识的非线性系统的故障诊断与容错控制策略.在闭环控制中,根据在线产生的数据对T-S模糊模型进行辨识,当故障引起系统动态的结构性变化时,在线模糊聚类算法能够辨识出系统的重大改变并产生新的模糊规则描述系统新的动态,同时基于T-S模型的控制律也会做出相应的调整.分析了T-S模糊模型结构和参...     

复杂系统故障诊断中的模糊聚类方法

为了提高复杂系统故障的诊断能力,采用模糊Ｃ－均值聚类算法对原始采样数据进行聚类,并通过模糊传递闭包法和绝对值指数法得到模糊Ｃ－均值法的初始迭代矩阵．用划分系数、划分熵和分离系数来评价聚类的结果是否最佳．采用模糊聚类方法可避免研究复杂系统的内部特性,比仅依据其外部输出的数据进行故障诊断方法简便．通过某飞行器测试系统的应用,表明采用模糊聚类方法后,提高了判别故障的准确率．     

基于GFCM聚类算法的飞机故障诊断方法

为解决FCM算法对初始值敏感而易于陷入局部极小点的问题,针对FCM算法应用于系统原位测试时小数据量特点,提出了一种增量方式全局最优模糊c均值算法,进行了收敛速度优化并给出了算法步骤,机载武器系统信息通道原位故障诊断实验验证了此算法在小数据量情况下可以较好地解决FCM算法收敛局部最优的问题。     

高斯模糊核聚类的模拟电路在线故障诊断算法

为提高模拟电路故障在线诊断的运算速度与可靠性,采用高斯模糊核聚类算法对模拟电路故障进行非监督学习。该故障诊断算法的关键是利用已知故障数据类中心点确定故障类。利用模糊核聚类的高效识别树型结构减少训练样本规模、处理模糊类中的野值点,以提高分类器的训练速度和精确度。根据每一类故障数据得到的故障参数均值,设其为故障判断阈值,并赋予类标。在三种不同故障条件下,对Sallen-Key低通滤波器电路进行故障诊断的仿真实验。结果表明：与RBF监督学习方法相比,β-MKFCM方法能够高效地辩识已知故障与未知故障。该研究为电路在线故障诊断提供了参考依据。     

基于分层聚类的FCM算法

为了更好地实现聚类,在分析分层聚类和FCM算法优缺点的基础上提出了一种改进的聚类算法。改进算法将分层聚类和FCM聚类算法的优点相结合,首先采用分层聚类,得到一初始聚类结果,然后应用FCM聚类算法重聚类。实验结果表明,改进算法较原传统的聚类算法,不但算法执行速度较快、效率较高,而且聚类效果也较好。     

动态模糊ISODATA聚类方法及其在故障诊断中的应用

根据故障诊断分类的特点，用变分原理导出了动态聚类的最优解的存在条件，讨论了相应的算法及其收敛性，并在柴油机供油系统故障诊断中的实现故障分类的动态表示，证明了其在故障分类识别中的有效性。     

基于双谱的模糊聚类滚动轴承故障诊断

为了能准确可靠地判别出机械设备中滚动轴承的故障类型,基于双谱能表征随机信号偏离高斯噪声程度的特性,提出一种模糊聚类的滚动轴承故障诊断方法。基于滚动轴承运行过程中监测到的振动信号包含高斯噪声且具有非高斯、非线性特点,该方法在分析高阶谱理论的基础上,对双谱估计特征值进行阈值化处理,构成二值特征图并构造模板,通过测试样本与目标模板之间距离大小来进行不同类别的判断,实现对滚动轴承故障的诊断。经实例验证,该方法有效实现了对滚动轴承故障的分类判别,并提高了判别的可靠性和准确性。     

覆盖聚类算法

首先比较几类主要的聚类算法,给出每类算法的基本概念、原理、每类的代表性算法,及这些算法的主要特征。在此分析基础上,提出一种新的聚类算法———覆盖聚类算法,该算法采用覆盖的概念将比较集中的样本聚合在一起,从而发现隐含在样本集中的类,对于周围稀疏的样本结合最短距离法,获得聚类效果,并用实验数据对分层聚类方法、LBG方法与覆盖聚类算法进行比较,证明了覆盖聚类算法的可行性和有效性。最后给出了算法的研究方向。     

面向产品设计结构的聚类分层分析

提出面向产品设计结构的聚类分层分析方法。首先应用矩阵方法实现产品设计结构的聚类分层,然后应用模糊设计结构矩阵对模块内的零部件进行撕裂运算,得到模块内的零部件影响度和零件主次交互关系,从而实现对产品设计结构特性的分析预测,最后,以某型号冰箱产品设计结构为例,对该型号冰箱整体设计结构进行分析,得到该冰箱设计结构层级特征以及模块内零部件间的层级划分。     

基于模糊聚类算法的精炼过程真空系统故障诊断

针对大型真空冶金系统(DVMS)的故障点多、故障征兆不明显且要求其故障诊断快速、准确的特点,提出了一种基于模糊聚类算法的智能诊断模型·该模型具有很强的自学习、自组织能力适用于大型复杂真空系统的故障诊断·在介绍了模糊聚类算法的理论同时,给出了模糊故障诊断的步骤·以RH KTB真空冶金系统的智能故障诊断为例给出了模糊诊断的实际过程·通过分析证实了该算法对大型复杂真空冶金系统智能故障诊断的有效性·     

FCM聚类算法与改进层次聚类算法的结合

模糊c-均值聚类算法(fuzzy C-means 简称FCM)和层次聚类算法是两种非常重要的聚类算法.由于FCM算法对初始聚类中心敏感,并且需要人为确定聚类类别数,这样收敛结果易陷入局部最优解.通过对这两种聚类算法的分析,首先对传统的凝聚层次聚类算法提出了改进,然后用改进的凝聚层次聚类算法得到最佳聚类数和初始聚类中心,最后用FCM算法进行再次聚类,以此得到更好的聚类结果并且减少了执行时间和迭代次数.     

分层型多变量自适应模糊控制算法的研究

利用多维模糊条件语句的分解定理，结合分层多规则集输入的设计方法，获得了多变量模糊控制算法的一个简化表达式，模糊规则的修正通过抑制外扰的α因子查询修正表得到，从而获得了一类带解耦设计的多变量自适应模糊控制算法，并进行仿真验证。     

一种新的层次谱聚类算法

提出一种新的聚类算法——层次谱聚类算法.该算法在传统二分的SM谱聚类的过程中嵌入了层次聚类算法,目的是为了提高谱聚类的聚类正确率,同时又利用谱聚类纠正了层次聚类过程中所得到的歪斜划分.实验结果表明:提出的层次谱聚类算法的聚类正确率比层次聚类算法、谱聚类算法的聚类正确率都要高,同时又纠正了层次聚类过程中的歪斜划分.     

基于聚类和模糊神经网络的故障诊断

模糊神经网络能够发挥模糊逻辑和神经网络的特性,在武器装备的故障诊断中应用越来越广泛。文中提出了一种基于聚类和模糊神经网络的故障诊断模型,该模型首先通过基于关系度的聚类方法得到模糊神经网络的初始结构,并用梯度下降法对网络的参数进行修改,以得到泛化能力好的诊断网络。仿真结果表明该模型是有效的。     

容差模拟电路复杂故障的测试与诊断

改进了模拟电路故障参数识别法.对容差模拟电路的复杂故障提出了基于节点电压方程的故障诊断方程,方便了方程的建立.将不可及节点电压作为辅助未知参量,降低了方程的非线性.采用改进的Newton-Raph-son迭代法求解故障诊断方程,加快了求解速度.最后,诊断实例验证了本方法的可行性和有效性.     

对虚拟专用网的分布式分层诊断算法

提出了基于虚拟专用网的一种新的分布式分层系统级故障诊断算法。这种算法通过对各个子网的分布式诊断，并通过IPSec协议使各子网间诊断信息得以可靠无误交换，完成整个系统的故障诊断，提高了系统的可靠性，对传统诊断方法与现代网络技术结合，提供了新的思路。     

模糊C-均值(FCM)聚类算法的改进

针对目前模糊C-均值聚类算法不适用于有噪声和样本不均衡等问题,借助改进算法AFCM和WFCM的思想,提出另一种新的聚类算法。它是AFCM和WAFCM结合的一种算法,但有着更好的健壮性和聚类效果。     

在K故障诊断法中减少容差影响的一种办法

Ｋ故障诊断法是一种计算量较少而又比较有效的诊断方法，但在实际使用中受容差 影响较大。为了解决这一问题，提出一种称为Ｋ＋１故障诊断法的改进方法。该方法根 据Ｋ故障诊断法的原理，从总体上估计容差对诊断的影响，用补偿电源进行等效，只要 求增加一个测点。与其它方法相比，所增加的计算量较少，而且特别适用于较大规模的 电路。