模糊c划分结合遗传算法诊断机组振动多故障

为很好地解决汽轮发电机组经常同时发生多种振动故障的问题,考虑到模糊c划分极易陷入局部最优的缺点以及遗传算法全局寻优的优点,提出了结合两者的机组振动多故障诊断新方法。它将模糊c划分的求极小值问题转化为遗传算法的求最大值问题,并用分类系数和平均模糊熵加以判别。经大量诊断实例分析证明,该方法既可正确判断汽轮发电机机组的单一故障,又可有效诊断振动多故障,诊断的可靠性和实用性较高。

汽轮发电机组振动多故障诊断的遗传算法研究

汽轮发电机组的振动具有多样性的特点,经常出现多种故障同时发生的情况。将遗传算法分别与模糊c划分方法和概率因果模型相结合,应用到汽轮发电机组的振动多故障诊断中。经实例分析证明,这两种方法都可对汽轮发电机组的振动多故障进行有效诊断,具有较高的诊断可靠性和实用性。

目标函数聚类法的适用性分析

以基于模糊c-划分的聚类方法为基础,针对影响目标函数聚类法聚类效果的主要因素,分别从5个主要方面作了聚类算法的适用性分析。