基于聚類的故障診斷方法及應用研究.pdf_第1頁
已閱讀1頁,還剩69頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

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過程的穩(wěn)定性和安全性已成為工業(yè)化生產中的主要方法,而對故障診斷問題的研究已成為現(xiàn)代工業(yè)化生產過程中的一個熱點研究問題。為了解決生產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典模糊C均值聚類算法的基礎上提出改進的模糊C均值算法,并以數值仿真實例和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均值算法的基礎上,提出將概率神經網絡和改進的模糊C均值算法相結合的方法,并以TE過程為例對這種方法進行了有效性的實驗驗證。實驗結果表明,提出的算法在可靠性和有效性的基礎上提高了診斷率和診斷速度。
   論文的主要研究內容:
   1.闡述了故障診斷方法的研究現(xiàn)狀,總結和分析了故障診斷技術的意義和目的。
 

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)過程和對數據進行去噪的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.提出將概率神經網絡與改進的模糊C均值相結合的故障診斷方法,運用TE過程進

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論