采用改进模糊C均值法的电网故障元件定位

基于WAMS的实时测量信息,提出了利用改进模糊C均值法对广域测量信息构成的样本进行最优分类,从而定位出故障元件及故障区域的方法。仿真结果表明,该算法具有更好的全局寻优能力及寻优稳定性,在相量测量单元(PMU)测量数据含有噪声的情况下,能精确、方便、迅速地定位故障元件及故障区域,而且算法运行时间能满足广域自适应后备保护的时限要求。

奇异值分解法和模糊C均值法在探地雷达图像处理中的应用研究

将奇异值分解法和模糊C均值法引入探地雷达图像处理中。针对探测目标、杂波和噪声信号存在重叠区域而难以区分的问题,利用奇异值分解法辨别探测雷达得到的B-scan图像中探测目标、噪声和杂波的子空间,而模糊C均值法用于分离探测目标、杂波和噪声信号的重叠区域,最后通过不同光谱分量的加权得到目标图像。通过现场实验,检验该方法的有效性和正确性。实验结果表明,该方法能够有效地地过滤杂波和噪声,获得较高的峰值信噪比和更准确的目标图像。

模糊C均值聚类算法在多元图像分割中的应用

改进的模糊C均值聚类算法在对多元图像进行分割的过程中,通过给图像中各个类的对象分配不同的权值来提高模糊C均值聚类算法对不同大小类的敏感性。实验证明,经过改进的模糊C均值聚类算法克服了原始算法对多元图像中类大小敏感性差的问题。

基于模糊C均值聚类法和多元线性回归理论的铣床热误差研究

为了降低铣床主轴旋转受温度影响而产生的位移变形量,提高铣床对零件的加工精度,采用了模糊C均值聚类法和多元线性回归理论对铣床主轴的热误差进行建模,实现铣床主轴加工误差值最小化;分析了模糊C均值聚类法筛选最优值的迭代过程,对铣床上不同位置的测量温度值进行分组,筛选出每组的最优温度值;采用多元线性回归理论,对铣床热误差理论预测模型进行了推导,通过实验验证多元线性回归理论所创建的热误差预测模型。实验结果表明:补偿前,铣床主轴Y方向和Z方向受温度影响产生的热误差最大值分别为45.0μm和28.0μm;补偿后铣床主轴Y方向和Z方向受温度影响产生的热误差最大值分别为3.2μm和3.8μm,误差范围都在4μm以内。采用模糊C均值聚类法和多元线性回归理论对铣床热误差进行补偿,铣床主轴运转受温度影响所产生的误差明显降低,从而提高了主轴定位精度。

模糊C均值聚类法在新疆年降水分区中的应用

利用新疆98个气象站1960—2011年的年降水量资料,采用模糊C均值聚类法,对新疆年降水量进行分区研究;同时利用线性趋势、累积距平、M-K检验、t检验相结合的方法,对新疆年降水量在不同区域上的变化趋势以及突变时间等进行了对比诊断分析,得到了新疆地区年降水量分布的空间特征。结果表明:(1)新疆年降水的分布大致可分为7个区域;(2)根据模糊C均值方法所分区域能够体现出由于地形差异导致的降水分布不均匀的特点,这一结果与其他研究干旱区降水分布差异产生的原因相同。分区结果合理,说明该聚类方法适用于区域气候区划;(3)新疆大部分区域的降水量在20世纪80年代中后期以前偏少,低于多年平均值,自80年代中后期以后才开始偏多;不同区域的降水量依次从70年代初、80年代中后期、90年代初开始增加;整个南疆盆地、阿勒泰地区、准噶尔盆地降水的突变时间较为接近;(4)新疆降水量整体异常表现为降水一致多(或少)、北多南少、西多东少。

基于模糊c均值聚类法的玉米农田管理分区研究

为提高大面积农田作物管理的精确性,以甘肃黄羊河农场玉米膜下滴灌示范区为研究对象,对大面积农田进行管理分区研究。综合考虑地形属性(高程、坡度、坡向)、土壤质地(砂粒、粘粒、粉粒含量)、土壤含水率(SWC)、速效氮含量(AN)、电导率(EC 1:5)以及玉米产量,根据相关性分析结果筛选产量主控因子,使用主成分分析得到3个主成分作为分区依据,进而使用模糊c均值聚类法(Fuzzy c-means algorithm,FCM)进行管理区划分,以模糊性能指数和归一化分类熵作为最佳分区数的评判依据,分析管理分区后各分区间的差异。结果表明:玉米产量的主控因子分别为土壤粉粒含量、土壤砂粒含量、SWC、AN、EC 1∶5和高程,使用模糊c均值聚类法进行聚类分区得到最优分区数为3个。管理区之间各主控因子呈现极显著差异性(P<0.01),且生育期内作物株高、叶面积指数(LAI)和SWC在不同分区中也有明显差异;同时,分区内的各因子变异性均有不同程度的下降。研究结果说明,农田分区管理可以依据不同分区特点制定管理策略,为“精准农业”的实施提供理论基础。

基于模糊C均值聚类法的河南省近57年干旱特征分析

根据河南省1960-2017年19个气象站的逐日降雨数据计算标准化降水指数(SPI),结合模糊C均值聚类法、小波分析,从月、年际和周期维度上研究近57年来河南省干旱的时空变化特征。结果表明:所有气象站点可以分成3个区域,分别为豫东南、豫北、豫西地区;全区在1966、1986、1997年发生持续干旱,豫东南持续干旱时间最长为10个月且在夏季易旱,豫北持续干旱时间最长为9个月且易发生特旱,豫西持续干旱时间段最多但尺度最长为7个月;干旱频率主要分布在豫北,豫西次之,豫东南最小,但干旱频率都在30%以上,且20世纪90年代后干旱频率在各区之间分布比较均匀;豫东南、豫北、豫西分别呈现23～25、20～22、15～17 a易干旱的主周期。

改进的模糊聚类算法在负荷预测中的应用

针对传统的c均值模糊聚类算法易陷入局部最优解、初始值c值的给定存在着很大的人为因素以及在整个计算过程中无法自我调节的缺陷,利用遗传算法的全局寻优能力并采用一种新式的双码染色体编码方法对传统的c均值模糊聚类算法进行了改进,同时将这一自适应的SFGO(SamplingFuzzyc-meanswithGeneticOptimization)算法运用到电力系统的中长期负荷预测中,得到了比较好的效果。

基于两阶段改进的FCM法的模态参数自动识别

为解决基于稳定图的模态参数自动识别中存在人工干预、参数设定不统一的问题,提出两阶段改进的稳定图自动识别方法.首先,将模态参数不确定度指标引入第一阶段虚假模态参数剔除过程,实现最大程度虚假模态参数剔除;然后,基于改进的FCM算法,采用迭代策略计算不同聚类数目的隶属度矩阵,构造累积邻接矩阵,并结合图切割算法解析累积邻接矩阵,自动确定最佳聚类数目,实现稳定图自动识别;最后,将提出的改进方法运用在Z24桥Benchmark模型和悬索桥实测数据上,验证了所提方法的可行性.研究结果表明:模态参数不确定度相较于传统指标对虚假模态具有更强的辨别能力;基于改进的FCM算法不需要任何人工调整的参数就能自动识别稳定轴,且具有较强的鲁棒性.改进算法在默认参数下准确识别得到Z24桥和悬索桥的模态参数,表明提出的改进算法可以用于桥梁健康监测的模态参数自动识别过程.

基于模糊聚类理论的电网故障元件定位

利用保护动作信息量的传统故障定位方法是在保护动作之后完成故障定位的,在时限上难以满足广域自适应后备保护的要求,特别在站用直流电源消失的情况下,传统方法很难定位出原发性故障。针对上述问题,作者基于广域测量系统(wide area measurement system,WAMS)的实时量测信息,提出应用模糊C均值法对广域信息数据构成的样本进行最优分类,从而定位出故障元件和故障区域的方法。仿真结果表明,该方法不仅能快速、准确地定位出原发性故障,同时能够界定出受故障影响明显的区域,而且满足广域自适应后备保护的时限性要求。

聚类算法在电网故障元件定位应用中的研究

利用聚类分析定位故障元件是基于广域测量系统来研究的,通过对比系统聚类和模糊C均值法在故障元件中的优缺点,得出当两种方法结合使用时聚类分析定位故障元件的结果更为合理,并通过例子验证基于聚类分析理论的故障元件定位不仅可以准确地定位出故障元件,同时可以定位出受故障影响很明显的区域。

基于模糊聚类的神经网络模型研究及应用

利用模糊理论和BP网络相结合组成的模糊神经网络系统,能够克服单独使用BP网络的局限性,但采用模糊神经网络解决实际问题时存在的难点是如何确定其结构模型.采用模糊聚类分析法对学习样本进行特征抽取,同时综合考虑样本的输入、输出信息,以确定隐层节点数和网络结构.通过对实验数据的分析,提出的模糊神经网络模型取得了理想的识别效果.

肺部疑似病变区域的自动提取方法及应用

目的:研究肺癌计算机辅助诊断中疑似病变区域的自动提取算法及其实际应用效果。方法:作者在分析肺部CT图像之后,根据图像的特点,首先采用合适的算法提取出肺实质,然后利用本文所介绍的三种算法来提取疑似病变区域,并对提取结果进行分析比较。结果:通过对阈值法,K均值法以及模糊C均值法的实际处理结果进行比较发现,三种方法都能有效的提取出肺部疑似病变区域。但从算法效率及提取结果等角度综合考虑,K均值法更适合用来提取肺部疑似病变区域。结论:利用K均值法能够很好的提取肺部疑似病变区域,同时该算法运行的效率很高。

采用分层多源信息融合的电网故障诊断方法

鉴于调度自动化水平及通信、广域测量技术的发展,提出了一种分层多源信息融合的电网故障诊断方法,以开关量诊断层和多源信息融合诊断层2个层次,在基于SCADA系统开关量实现电网单一故障快速诊断的同时,综合开关量信息与故障录波器及WAMS的电气量信息,着力解决保护、断路器拒动、误动造成的多元件停电的故障诊断。仿真算例计算表明,此方法的分层模式增强了故障诊断针对性,并在多源信息融合诊断时减少了对电气量数据的需求,能有效降低保护、开关拒动误动对电网故障诊断的影响,提高了准确度,具有良好的工程实用价值。

层次模块化模糊神经网络在铝电解故障诊断中的应用

目的针对铝电解故障发生机理及特点,提出采用层次模块化模糊神经网络实现对铝电解故障快速、有效检测的新方法.方法利用数据处理子模块,诊断子模块,决策子模块,从而对铝电解生产过程中的故障进行诊断.结果数据处理子网络实现了对数据的特征提取,优化了数据结构,将大结构的神经网络分解成多个小网络,并用决策神经网络对故障进行模式分类.结论该方法优化了大结构神经网络的学习性能,提高了故障检测的准确率,具有良好的实用价值.

基于自适应神经模糊推理系统和灰色理论的机床热误差补偿研究

提出了自适应神经模糊推理系统(ANFIS)模型,采用灰色理论对机床热误差进行建模,实现机床加工工件定位误差值的最小化。采用自适应模糊推理系统的模糊C均值聚类法,对机床上的温度传感器进行聚类分组和分析,选择出每组最优的温度传感器,将测量温度传感器从76个减少到5个。提出了灰色系统理论,对GM(1,N)公式进行了推导,创建了热误差预测模型。采用实验测量方法对机床运行所产生的误差进行了验证。实验结果显示:补偿前Y轴和Z轴产生热误差的最大值分别为41.5μm和33.8μm,补偿后Y轴和Z轴产生热误差的最大值分别为4.8μm和4.6μm。采用自适应神经模糊推理和灰色系统对机床热误差进行补偿,不仅测量温度传感器数量减少,而且机床主轴运行所产生的误差明显减小,加工精度较高,效果很好。

聚类算法在黏性土工程分类中的应用

以青岛市某建筑场区第四系上更新统洪冲积层粉质黏土、黏土的室内物理力学试验结果为基础,运用K均值法、类平均法和模糊C均值法3种聚类分析方法,对场区土体进行工程分类。结合现场原位测试和室内试验,认为聚类算法能够为合理提出岩土参数和进行岩土工程评价提供参考依据。

模糊数学在零件分组中的应用研究

在充分研究减法聚类法、模糊C均值聚类法和最大隶属度原则的基础上,针对机械零件分组中的模糊性,将以上的方法或者原则应用到其中,并结合工程实际情况作适当修改,使其更符合工程实际。通过实例验证了此方法的正确性和实用性,并分析了这种方法的优缺点。

基于混合聚类的岩体结构面优势分组方法

提出一种基于凝聚层次法和模糊C均值法的混合聚类法,用于对岩体结构面的优势组划分。该方法将结构面投放到在单位球面上,并使用欧式距离作为极点的相似性度量准则。先剔除结构面数据中的孤值产状,然后用凝聚层次法得到初步聚类结果,并将其作为FCM法的初始聚类中心,最后用FCM法划分优势组。通对人工生成产状样本的分组,验证了该法的正确性。将该方法应用于大藤峡坝址区实测的结构面数据的划分。在实测数据中寻找到两个孤值产状,成功将大藤峡D1y^1-3地层岩体结构面划分为两组,得到了符合实际的分组结果。

计及需求响应的含大规模风电并网下电力系统灵活性评估

为了分析在风电并网情况下多种调节资源对电力系统灵活性的影响,提出一种“整体-局部”的灵活性评估方法。在需求响应方面,针对分时电价,采用模糊C均值法对各时点负荷进行聚类,然后结合连续性划分准则对分时区间进行确定。考虑到风电场景集过大会带来求解效率低的问题,在Canopy聚类和K-medoids聚类的基础上提出一种双层聚类场景削减技术,并对削减后场景进行校验,确保其能有效地反映风电波动情况。在计算上,针对各风电场景,构建以经济性作为目标函数的机组组合模型并进行求解,然后根据多场景下的调度结果对电力系统的灵活性进行整体和局部的评估。通过仿真分析,验证了该评估方法的有效性与合理性。