全矢模糊核聚类在机械故障诊断中的应用

针对传统旋转机械单通道故障诊断的信息不完整以及传统模糊聚类方法对数据结构的严格要求,结合全矢谱技术和模糊核聚类方法,提出了一种新的旋转机械故障识别方法。该方法应用全矢谱分析为特征提取工具,以模糊核聚类方法为分类器,进行故障识别。实验结果表明,该方法能准确、有效地对旋转机械的工作状态和故障类型进行分类,提高了故障诊断的准确率。     

模糊C-均值聚类算法在钻头磨损故障诊断中的应用研究

在经典的聚类分析方法中，人们往往根据实际经验赢接给出聚类数和聚类中心，然后将每一个待辩识对象严格的划分为某一类。这种方法忽略了事物客观存在的亦此亦彼性，即“模糊性”，遗漏了大量的隐含信息。模糊数学是用来表达和处理模糊信息的科学。1965年，Zadeh提出模糊理论。很快，模糊理论在工业控制、图象处理”’、模式以别、故障诊断””等领域获得广泛应用，而模糊C-均值聚类算法也成为聚类分析的一种重要方法。该算法有效的弥补了经典聚类分析的不足，     

轴承故障的模糊聚类方法

介绍了模糊聚类方法的原理及FCM算法,并将它应用于少故障类别的轴承故障诊断中,取得了良好的效果,与神经网络方法相比,模糊聚类方法的实现只需少量样本,克服了神经网络方法需要大量样本来实现的瓶颈,实用性更强。     

多圆盘同轴互逆回转体振动的模糊聚类分析

应用模糊理论中隶属度的概念来描述机器振动故障存在的倾向性,用动态模糊聚类分析法分析机器振动的原因。通过对框式预磨机实例检验表明,该方法具有良好的应用前景,为多圆盘同轴互逆回转体机器的故障诊断提供了一种新途径。     

基于小波包和EM聚类的采煤机齿轮故障诊断

针对采煤机齿轮故障振动信号难以准确获取故障特征的问题,提出了一种利用小波包结合高斯混合EM聚类的齿轮故障诊断方法。首先对故障信号进行小波包分解和重构,得到其高频率尺度下的能量值,然后以此作为故障样本属性,结合高斯混合EM聚类算法建立故障模型数据库,最后将实时信号与故障库对比进行分类诊断。实验仿真结果表明,该方法对齿轮的几种典型故障表现出了良好的诊断能力,且可以实现采煤机不停机在线诊断,对提高采煤机故障诊断智能化水平具有较高的参考价值。     

基于距离排序的点对多重归约聚类算法探讨

聚类是一种重要的数据挖掘技术。长期以来，寻求更为准确的聚类近似算法一直是科学工作者工作重点之一。为了更为精确地解决聚类问题，在K-means算法的研究基础上本文提出了点对多重归约算法的思想，并设计了基于距离排序的点对多重归约算法。该算法和K-means算法进行比较的结果，说明了该算法在聚类研究中的可行性。     

基于模糊聚类的矿井环境监测技术研究

矿井监测数据纷繁复杂,为了在海量的数据中提取有效数据进行预警分析,文章采用模糊聚类实现对矿井环境监测数据的分析处理,对矿井环境监测数据分析结构做了简要说明,接着分析模糊聚类C聚类均值算法(FCM),最后采用公共数据库一组矿井监测数据样本进行实例仿真。实验证明,该算法在处理大数据样本时有一定的优势,具有一定的研究价值。     

煤矿安全网中基于已知样本的快速聚类入侵检测算法

针对煤矿安全生产信息系统中出现的网络入侵问题,在网络入侵异常检测技术中提出一种基于已知样本的快速聚类入侵检测算法.该算法通过对已知样本训练来准确获得初始聚类中心,同时运用对象分离的方法计算聚类中心和非相似度,解决了由于传统聚类算法随机选取初始聚类中心和只能计算单一连续属性或离散属性带来的网络异常检测中误报率高而检测率低的问题.实例验证表明:该算法比传统聚类算法的检测率提高了30%,误报率降低了25%,并且能获得对新型攻击的检测.     

聚类算法在矿产资源与经济发展关系研究中的应用

通过应用迭代自组织算法,获得最优的聚类数K,弥补了K均值聚类算法在聚类初始K值的不确定性,同时该算法为K均值聚类算法确定最优的聚类数K在矿产资源与经济发展关系研究中提供了一种新途径。     

煤矿数据远程监控的优化研究

为了提高煤矿数据远程监控的有效性,采用模糊聚类C算法对煤矿井下环境数据进行聚类分析。文章对现代化的煤矿数据远程监控系统进行了简要说明,从后台数据处理方向来实现远程监控的优化研究,采用模糊聚类C算法和改进的模糊聚类C算法分别对完整的数据样本和不完整的数据样本进行聚类,实验结果表明,聚类效果明显,稳定性高,具有一定的研究价值。     

模糊C均值聚类算法在结构面组识别中的应用

给出了应用模糊C均值聚类算法进行结构面组识别的具体步骤，同时对有关参数选取的方法进行了讨论，工程实例表明该方法是结构面组识别的一种科学有效的方法。     

基于自适应权重模糊C-均值聚类的瓦斯突出预测

 传统的模糊C-均值聚类在处理煤与瓦斯突出的预测时,由于其对初始聚类中心的过度依赖而导致预测结果准确率的降低。为了准确预测煤与瓦斯突出,提出了一种基于自适应权重模糊C-均值聚类的煤与瓦斯突出预测方法。该方法将瓦斯浓度相关影响因素作为特征空间中的样本,采用高斯距离比例表示权重,动态计算每个样本对于类的权重,对特征空间中的样本进行聚类分析预测,降低了算法对初始聚类中心的依赖。实例验证表明：所提出的方法具有较高的预测精度,具有较大的实用价值。     

基于模糊神经网络卡车路段行程时间实时动态预测

提出了一种基于模糊神经网络卡车路段行程时间实时预测模型，阐述了自适应神经网络模糊系统(Adaptive Network-based Fuzzy Inference System, ANFIS)网络原理和方法对行程时间预测的可行性和可靠性，采用最小二乘法和误差反传算法结合的混合学习算法，减少了搜索空间的维数，而采用的减法聚类方法减少了模糊推理规则.混合学习算法和减法聚类方法的应用提高了网络参数的辨识和收敛速度.实例仿真论证了该模型预测速度更快、准确性更高，实时性好，获得了比单纯使用神经网络或模糊理论更精确的预测结果.     

基于小波变换模糊聚类的噪声消除算法

通过分析信号和噪声的小波变换系数在不同尺度上的传播特性,结合模糊聚类方法,提出了一种新的消除图像噪声算法-LEFC去噪算法。实验表明,该算法与其他几种小波软阈值去噪算法相比,更具有效和稳健的去噪效果。当噪声率超过40％时,其优越性更加突出。     

采煤工作面瓦斯涌出量的聚类预测

以预测回采工作面瓦斯涌出量为研究目的,应用模糊C均值聚类算法对回采工作面瓦斯涌出资料进行聚类分析,得到各样本的类别、聚类中心和样本对于各类的隶属度;根据瓦斯涌出量值建立分类标准,验证了模糊C均值聚类算法在瓦斯涌出量分类方面的实用性;根据瓦斯涌出量的影响因素和聚类中心,应用灰色关联分析法建立回采工作面瓦斯涌出量的归类预测模型,对待测样本进行预测,实现了瓦斯涌出量的聚类预测;最后,用实例论证了该方法的可行性和有效性.     

基于SOM神经网络的矿井提升机减速器齿轮故障诊断

在分析自组织特征映射神经网络（SOM）的结构和学习算法的基础上,利用自组织特征映射神经网络建立了提升机减速器齿轮故障诊断模型。该网络模型效率高,无需监督,能自动对输入模式进行聚类。应用Matlab神经网络工具箱进行仿真。仿真结果表明自组织特征映射神经网络有较强的聚类功能,用于减速器齿轮故障诊断是准确和可靠的。     

基于 GK 聚类的深海钻机电池系统故障诊断研究

深海钻机作为深海科学考察的重要装备,保障钻机可 靠运行是保证顺利完成科学考察任务的前提。为了保证深 海钻机电池系统连续稳定地向深海钻机测控系统供电,提出 了一种基于 GK 聚类的深海钻机电池系统故障诊断方法。 利用该方法对电池系统测试数据进行研究分析,通过数据试 验得出,利用 GK 聚类进行故障诊断的准确率为94.4%。研 究结果表明,提出的 GK 聚类故障诊断方法对深海电池系统 有较好的故障诊断效果     

基于模糊神经网络的异步电动机故障诊断研究

针对异步电动机常见的故障特点,采用基于模糊神经网络的故障诊断方法,通过利用改进的BP算法,运用该诊断模型,对异步电动机故障进行了诊断。仿真结果表明,该诊断方法具有准确度高、诊断速度快等优点,是一种较实用的故障诊断方法。     

矿井提升机自适应神经模糊故障诊断策略研究

基于自适应神经模糊推理系统(ANFIS),以从提升机系统采集的电流信号、液压站压力信号、提升载荷、提升速度、加速度信号为输入变量,构造了矿井提升机自适应神经模糊故障诊断模型,该诊断模型以减法聚类算法为基础,通过将提升系统中机械、电气、液压等参数经过预处理后作为输入特征向量引入该诊断模型。采用从某矿主井提升机系统中采集的提升机运行数据对ANFIS进行训练,训练成功后,利用该模型成功地实现了对该提升机系统过载、重物下放以及液压站欠压等情况的故障诊断,验证了该诊断策略的有效性。     

基于模糊聚类的峰半径自适应调整遗传算法

提出了基于模糊相似聚类的峰半径自适应调整遗传算法。在遗传演化过程中将峰半径作为决策变量的一部分参与染色体的编码演化,利用遗传算法的优化能力在对问题进行优化的同时对个体的峰半径进行自适应调整;在聚类过程中,通过对模糊相似度的调节来控制聚类结果,能够避免找到无效的极值点并且无需事先确定小生境的数目和半径。理论分析和数值实验表明,该算法对于各类多峰函数具有较强的多峰搜索能力。