基于密度峰值优化初始中心K-means算法在风力发电系统的故障诊断分析

针对风电系统故障种类多,故障信号数据维数大,诊断正确率低的问题,提出一种利用密度峰值优化初始质心K-means分类算法进行诊断;K-means算法的初始聚类质心是随机选取的,聚类质心选取质量严重影响聚类结果的稳定性,当聚类较大维数的数据时效果很不理想。而CFSFDP( clustering by fast search and find of density peaks)算法对维数较大的数据有良好的聚类能力,但是对于同类多峰的数据,分类效果稳定性变差,总体效果不够理想。为此,综合两种算法的优点,本文提出一种快速密度峰值搜索算法K-CFSFDP( clustering by fast search and find of density peaks)优化初始质心的K-means算法并在风力发电系统的故障诊断应用中获得了良好的效果。

木荷林分出材率表编制的研究

利用伐倒木资料建立适合木荷干形变化规律的可变参数削度方程,配合威布尔分布函数、相对树高曲线模型、去皮胸径模型等辅助因子模型编制了木荷林分出材率表,为森林经理调查和森林资源资产评估提供了科学依据。

毛竹—马尾松—杉木混交林群落学特征研究

通过设置 1 80 0m2 临时标准地对毛竹 -马尾松 -杉木群落优势种特征、结构特征及物种结构多样性进行调查与统计分析 ,结果表明该群落有维管植物 5 3种 ,隶属于 3 2科和 42属。群落结构分明 ,乔木层、灌木层和草本层层次清晰 ;乔木层以毛竹占绝对优势 ,其优种有马尾松、杉木、甜槠和青冈等 ,乔木层的多样性指数和均度较其它两个层次的低。

木荷单木材种出材率表编制的研究

利用木荷样木资料,在多个削度方程拟合对比的基础上,选择适合木荷干形变化规律的削度方程,据以编制单木一元材种出材率表和二元材种出材率表,可以林业生产应用提供科学依据。