应用改进粒子群优化的模糊均值聚类算法的暂态稳定机组分群方法

针对模糊C-均值聚类方法(fuzzy C-means,FCM)应用于机组分群时存在易收敛于局部最优值的问题,提出了改进的粒子群优化(particle swarm optimization,PSO)的模糊C-均值聚类算法(PSO-FCM)用于机组分群的方法,并阐述了分群算法中关键参数的选取方法。为充分利用FCM多特征量分析的优点,同时引入了功角、角速度作为分群特征量,提出了利用同调性指标自适应确定分群数目的方法,分群时采用约1个摇摆周期的数据分析。理论分析和仿真结果表明,所提方法能够取得一致、稳定的分群结果,效果优于传统的模糊聚类方法。