基于粒子群优化聚类的汽轮机组振动故障诊断

被引：7

作者：

刘福荣 ^{[1
]}

王宏伟 ^{[1
]}

高晓智 ^{[2
]}

机构：

[1] 哈尔滨电力职业技术学院

[2] 赫尔辛基工业大学电气工程系

来源：

振动与冲击 | 2010年 / 29卷 / 08期

基金：

芬兰科学院;

关键词：

汽轮机; 故障诊断; 粒子群优化; 模糊C-均值聚类; 振动;

D O I：

10.13465/j.cnki.jvs.2010.08.048

中图分类号：

TM311 [汽轮发电机];

学科分类号：

080801 ;

摘要：

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。

引用

页码：9 / 12+238 +238

页数：5

共 14 条

[1] 基于小波域隐马尔可夫模型故障诊断方法 [J].