亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        粒子群優(yōu)化模糊聚類算法在煤氣鼓風(fēng)機(jī)組振動(dòng)故障診斷的應(yīng)用

        2013-11-02 00:33:12
        關(guān)鍵詞:鼓風(fēng)機(jī)適應(yīng)度故障診斷

        趙 欣

        (重慶工商大學(xué)計(jì)算機(jī)科學(xué)與信息工程學(xué)院,重慶400067)

        煤氣鼓風(fēng)機(jī)組是煤化工廠的重點(diǎn)關(guān)鍵設(shè)備,其運(yùn)行狀態(tài)是否正常直接關(guān)系到焦?fàn)t生產(chǎn)的安全和經(jīng)濟(jì)運(yùn)行。由于其設(shè)備結(jié)構(gòu)的復(fù)雜性和運(yùn)行環(huán)境的特殊性,煤氣鼓風(fēng)機(jī)組振動(dòng)故障率較高,且故障危害性也很大,因此煤氣鼓風(fēng)機(jī)組振動(dòng)狀態(tài)的監(jiān)控也越來越受到企業(yè)的重視。目前,振動(dòng)信號(hào)的故障診斷大多采用以神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)及模糊聚類算法等智能診斷方法[1-4]。與其他方法相比,模糊技術(shù)處理在解決不確定問題上有其特殊的優(yōu)勢(shì),其中最為代表的是FCM模糊聚類算法。但該算法亦存在如下缺點(diǎn):該算法過分依賴初始中心的選擇,若能恰當(dāng)選擇初始中心,則聚類效果好,否則聚類效果將很不理想,甚至?xí)?dǎo)致無解,且不恰當(dāng)?shù)某跏季垲愔行暮烷撝等菀资乖撍惴ㄏ萑刖植繕O值而得不到分類。將PSO算法和加權(quán)模糊聚類算法相結(jié)合,提出一種基于粒子群優(yōu)化的模糊聚類算法(PSO-WFCM)[5],該方法利用C均值聚類算法得到的聚類中心作為PSO-WFCM的初始聚類中心,利用WFCM進(jìn)行加權(quán)模糊聚類,然后再利用粒子群(PSO)算法尋找最佳聚類中心。實(shí)驗(yàn)結(jié)果表明,該算法不僅迭代次數(shù)少,而且聚類精確,較大提高了故障診斷的準(zhǔn)確率。

        1 加權(quán)模糊聚類算法

        模糊C均值聚類算法(FCM)[6-7],是由隸屬度確定每個(gè)數(shù)據(jù)點(diǎn)屬于某個(gè)聚類的程度的一種聚類算法。由于FCM算法不考慮不同樣本矢量對(duì)聚類效果的不同影響,因此提出基于樣本加權(quán)的FCM算法,即WFCM算法。

        假設(shè)X={x1,x2,…,xn}為p維實(shí)數(shù)空間中給定的一個(gè)有限樣本子集,對(duì)于任意給定的類別數(shù)c,2≤c≤n,樣本集X的加權(quán)模糊C均值(WFCM)聚類問題可以表示成如下的數(shù)學(xué)規(guī)劃問題:

        其中,ωi為每個(gè)樣本的加權(quán)系數(shù),且滿足概率約束條件=1,U= [μij]n×c為模糊劃分矩陣。

        利用拉格朗日乘子法,可以推導(dǎo)出式(1)的優(yōu)化迭代公式:

        2 粒子群算法

        粒子群算法原理:D維空間隨機(jī)產(chǎn)生一個(gè)具有m個(gè)粒子數(shù)的初始種群,并賦予每個(gè)粒子一個(gè)隨機(jī)飛行速度,每個(gè)粒子都為優(yōu)化問題的一個(gè)可行解,并由目標(biāo)函數(shù)為之確定一個(gè)適應(yīng)值(fitness value)。其中第i個(gè)粒子的位置為=(xi1,xi2,…,xiD),i=1,2,…,m,其速度=(vi1,vi2,…,viD)。將帶入目標(biāo)函數(shù)可計(jì)算出其適應(yīng)值。記第i個(gè)粒子搜索到的最優(yōu)位置為=(pi1,pi2,…,piD),整個(gè)粒子群搜索到的最優(yōu)位置為,其更新操作如下:

        其中,i=1,2,…,n,d=1,2,…D;c1和 c2是加速因子,為正常數(shù);r1和 r2服從[0,1]上的均勻分布隨機(jī)數(shù);ω為慣性權(quán)重函數(shù),公式如下:

        其中,Iter,Max Iter分別是當(dāng)前迭代步數(shù)和最大迭代步數(shù)。當(dāng)達(dá)到了設(shè)定的最大迭代次數(shù),或粒子群迄今為止搜索到的最優(yōu)位置滿足了設(shè)定的最小適應(yīng)閾值,迭代終止。

        計(jì)算粒子的適應(yīng)度值.若當(dāng)前適應(yīng)值更優(yōu),則令當(dāng)前適應(yīng)值為其個(gè)體歷史最好適應(yīng)值,并保存當(dāng)前位置為其個(gè)體歷史最好位置,對(duì)每一個(gè)粒子,如果所有粒子的個(gè)體歷史最好適應(yīng)值中的最好值好于當(dāng)前的全局歷史最好值,則將該粒子的適應(yīng)值作為全局歷史最好值.即滿足:

        由此可見,粒子群的更新操作包含3個(gè)部分,首先是粒子先前的速度,表示對(duì)先前速度的一個(gè)記憶;其次是粒子的認(rèn)知部分,是指當(dāng)前點(diǎn)指向粒子自身最好點(diǎn)的一個(gè)方向;第三部分是指當(dāng)前點(diǎn)指向種群最好點(diǎn)的方向。這三個(gè)部分決定了粒子的的空間搜索能力,第一部分可以平衡全局和局部搜索能力,第二部分使粒子具有全局搜索能力,避免局部最小,第三部分實(shí)現(xiàn)粒子群體之間的信息共享。

        在此提出的基于粒子群優(yōu)化的加權(quán)模糊C均值聚類算法(PSO-WFCM),可以避免FCM算法陷入局部最優(yōu)的問題?;舅枷胧抢肅均值聚類算法得到的聚類中心作為 PSO-WFCM的初始聚類中心,用PSO代替FCM算法的梯度下降過程,使算法具有很強(qiáng)的全局搜索能力,避免聚類陷入局部極值。

        FCM算法的核心是最佳聚類中心的確定,因此將聚類中pi(i=1,2,…,c)作為PSO算法中的粒子進(jìn)行編碼.對(duì)于每個(gè)粒子的評(píng)價(jià),采用群體適應(yīng)度方差來描述。設(shè)Fi是第i個(gè)粒子的適應(yīng)度,ˉF是目前粒子群的平均適應(yīng)度,σ2為粒子群的群體適應(yīng)度方差:

        Jm(U,P)為FCM的目標(biāo)函數(shù)值,每個(gè)粒子適應(yīng)度的高低表明了這種聚類中心選取下聚類效果的優(yōu)劣。

        算法步驟如下:

        步驟1:讀入樣本數(shù)據(jù),設(shè)定聚類數(shù)目C和種群規(guī)模,每個(gè)粒子代表各類的聚類中心,初始化聚類中心,初始化粒子速度和位置信息,設(shè)置迭代計(jì)數(shù)器及迭代次數(shù)。

        步驟2:根據(jù)適應(yīng)度函數(shù)f(xi),計(jì)算每個(gè)粒子的適應(yīng)度值。

        步驟3:根據(jù)式(1)更新每個(gè)粒子新的速度和位置,并限制其不超過邊界。

        步驟4:根據(jù)式(6)更新粒子的個(gè)體最佳位置,根據(jù)式(7)更新粒子群體最佳位置。

        步驟5:如滿足迭代終止條件,則算法結(jié)束,否則,返回步驟(2)。

        3 基于PSO-WFCM的煤氣鼓風(fēng)機(jī)組故障診斷

        為檢驗(yàn)PSO-WFCM算法的聚類有效性,以某鋼鐵廠的煤氣鼓風(fēng)機(jī)組為例將PSO-WFCM與FCM算法進(jìn)行了診斷比較[8-12]。筆者收集了該廠煤氣鼓風(fēng)機(jī)機(jī)組8種振動(dòng)故障的現(xiàn)場(chǎng)試驗(yàn)數(shù)據(jù)建立故障樣本,樣本經(jīng)過預(yù)處理且去除噪聲,選取其中50組典型數(shù)據(jù)建立故障樣本集,樣本維數(shù)為8,每維特征分別對(duì)應(yīng)特征頻譜0.01f~0.39f、0.40f~0.49f、0.50f、0.51f~0.99f、1.0f、2.0f、3f~5f、>5f共 8 個(gè)頻段的幅值,其中 f為工頻。用 Y1、Y2、Y3、Y4、Y5、Y6、Y7、Y8 依次代表不平衡、氣動(dòng)力偶、不對(duì)中、油膜振動(dòng)、轉(zhuǎn)子與靜摩擦、轉(zhuǎn)子橫向裂紋、轉(zhuǎn)子支承系統(tǒng)松動(dòng)、正常狀態(tài)8種振動(dòng)故障類型。表1為2種算法的實(shí)驗(yàn)結(jié)果比較。將FCM和PSOWFCM分別對(duì)樣本集進(jìn)行聚類分析,并找出各故障類型的聚類中心。表1為兩種算法的實(shí)驗(yàn)結(jié)果。表2為優(yōu)化后的不同頻段下的故障聚類中心樣本。

        表1 兩種算法的試驗(yàn)結(jié)果

        從實(shí)驗(yàn)結(jié)果可以看出,F(xiàn)CM算法錯(cuò)分樣本數(shù)很大,聚類結(jié)果與實(shí)際情況相差較遠(yuǎn),PSO-WFCM算法則在收斂速度、診斷正確率、收斂性能方面表現(xiàn)更優(yōu),聚類效果顯著增強(qiáng),對(duì)機(jī)組故障能進(jìn)行準(zhǔn)確有效地辨識(shí)與診斷。

        表2 故障聚類中心樣本

        表3為2個(gè)診斷實(shí)例的待檢故障樣本。實(shí)例1,汽輪鼓風(fēng)機(jī)組在運(yùn)行過程中,2瓦、3瓦軸振動(dòng)超標(biāo),對(duì)2瓦水平方向采集到的振動(dòng)頻譜進(jìn)行特征提取并模糊預(yù)處理后,得到故障模式x1。實(shí)例2,汽輪機(jī)經(jīng)過大修且過了大約1個(gè)月后,機(jī)組振動(dòng)異常,相位極不穩(wěn)定,振動(dòng)值隨轉(zhuǎn)速升高明顯加大,振動(dòng)頻譜的主要分量為基頻,并帶有明顯的2f、3f及低頻分量。

        表3 待檢測(cè)故障樣本

        將表3的故障樣本x1、x2分別與上述40組標(biāo)準(zhǔn)故障中心(包含表1的8組故障中心樣本)一起構(gòu)成數(shù)據(jù)集進(jìn)行聚類分析,故障樣本與哪種標(biāo)準(zhǔn)故障中心聚為一類,則說明該故障屬于與聚類中心同類的故障,診斷結(jié)果如表4所示。

        表4 兩種算法的診斷結(jié)果

        對(duì)實(shí)例1,兩種算法診斷結(jié)果為:x1與Y3聚為一類,表明該故障屬于Y3故障模式,即機(jī)組發(fā)生了不對(duì)中故障,與現(xiàn)場(chǎng)檢查結(jié)果一致。對(duì)實(shí)例2,PSO-WFCM診斷結(jié)果:x2既屬于Y3故障,又屬于Y7故障,與現(xiàn)場(chǎng)實(shí)際結(jié)果相符。FCM診斷結(jié)果為x2與Y7聚為一類,其余各中心聚為一類,表明該故障模式屬于Y7的故障,即轉(zhuǎn)子支承系統(tǒng)松動(dòng)故障,與實(shí)際結(jié)果不符。通過2個(gè)診斷實(shí)例表明,PSO-WFCM算法比FCM算法診斷更準(zhǔn)確。

        4 結(jié)論

        針對(duì)FCM算法中聚類結(jié)果對(duì)初始中心敏感的特性,本文提出的PSO-WFCM算法通過粒子群的迭代搜索達(dá)到最優(yōu)解,具有較強(qiáng)的全局搜索能力,提高了聚類的效果,應(yīng)用在煤氣鼓風(fēng)機(jī)組振動(dòng)故障診斷中,能充分利用不同倍頻下振動(dòng)數(shù)據(jù)的屬性特征,提高了故障診斷的正確率。

        [1]李佳,禮賓,王夢(mèng)卿.基于神經(jīng)網(wǎng)絡(luò)的齒輪故障診斷專家系統(tǒng)[J].機(jī)械傳動(dòng),2007,31(5):81-83

        [2]溫重偉,李榮鈞.改進(jìn)的粒子群優(yōu)化模糊C均值聚類算法[J].計(jì)算機(jī)應(yīng)用研究,2010,27(7):2520-2522

        [3]成淼.加權(quán)模糊C均值算法在圖像分割中的應(yīng)用[J].科技信息,2011(5):564-583

        [4]石丁丁,潘宏俠.蟻群算法在電機(jī)故障診斷中的應(yīng)用[J].大電機(jī)技術(shù),2009(1):26-30

        [5]李飛,夏士雄,牛強(qiáng).基于改進(jìn)粒子群優(yōu)化聚類算法的故障診斷方法[J].微電子學(xué)與計(jì)算機(jī),2010,27(8):82-85

        [6]ABDEL K,REHAB.Genetically improved PSO algorithm for efficient data clustering[J].Machine Learning and Computing(ICMLC),2010 Second International Conference on,2010(2):71-75

        [7]BALAFAR M A,RAMLI A R,MASHOHOR S.etal.Compare different spatial based fuzzy-C_mean(FCM)extensions for MRI image segmentation[J].Computer and Automation Engineering(ICCAE),2010 The 2nd International Conference on,26-28 Feb.2010:609-611

        [8]左愛武.煤氣鼓風(fēng)機(jī)振動(dòng)故障頻譜分析[J].冶金動(dòng)力,2009(4):43-44

        [9]LI A,GU Q,F(xiàn)ENG G C,et al.SNN-A neural network based combination of software reliability growth models.2009 1st International Conference on Information Science and Engineering,2009:5109-5112

        [10]LGWE P,EMRANI M,ADEEB S,et al.Assessing torso deformity in scoliosis using Self-Organizing Neural Networks(SNN).Ferroelectrics,1994(157):287-292

        [11]ALLEN J,NHASAN S B,HODA S,et al.A low-power haar-wavelet preprocessing approach for a SNN olfactory system[C].Proceedings-IDT'07 The 2nd International Design and Test Workshop,2007:222-225

        [12]胡芳霞,謝志江,岳茂雄.混沌粒子群優(yōu)化模糊聚類的旋轉(zhuǎn)機(jī)械故障診斷[J].重慶大學(xué)學(xué)報(bào):自然科學(xué)版,2011,34(6):26-30

        [13]周榮,孟琦.一種ASON網(wǎng)絡(luò)的基于業(yè)務(wù)動(dòng)態(tài)變化的p-cycle保護(hù)算法[J].四川兵工學(xué)報(bào),2011,32(1):120-123

        猜你喜歡
        鼓風(fēng)機(jī)適應(yīng)度故障診斷
        改進(jìn)的自適應(yīng)復(fù)制、交叉和突變遺傳算法
        鼓風(fēng)機(jī)用高速永磁同步電機(jī)設(shè)計(jì)
        寶馬535i車空調(diào)鼓風(fēng)機(jī)常轉(zhuǎn)
        基于空調(diào)導(dǎo)風(fēng)板成型工藝的Kriging模型適應(yīng)度研究
        中國塑料(2016年11期)2016-04-16 05:26:02
        因果圖定性分析法及其在故障診斷中的應(yīng)用
        明銳車鼓風(fēng)機(jī)不出風(fēng)
        智用一臺(tái)AV63-14高爐備用鼓風(fēng)機(jī)
        基于LCD和排列熵的滾動(dòng)軸承故障診斷
        基于WPD-HHT的滾動(dòng)軸承故障診斷
        高速泵的故障診斷
        河南科技(2014年3期)2014-02-27 14:05:48
        欧美自拍区| 亚洲中字幕日产av片在线| 日韩精品久久久久久久电影蜜臀| 国产精品人妻一区二区三区四| 国产精品 人妻互换| 成人在线激情网| 一本一道久久a久久精品综合蜜桃| 日本不卡视频一区二区三区| 偷拍激情视频一区二区三区 | 在线播放国产一区二区三区| 蜜芽尤物原创AV在线播放| 国产精品女同一区二区软件| 黑人巨茎大战俄罗斯美女| 人人妻人人妻人人片av| 无码AV高潮喷水无码专区线| av一区二区三区高清在线看| 丝袜美腿av在线观看| 国产无遮挡又黄又爽在线观看| 亚洲一区av无码少妇电影 | 亚洲素人av在线观看| 公厕偷拍一区二区三区四区五区| 亚洲人成人网站在线观看| 国产极品美女高潮抽搐免费网站 | 久久精品亚洲牛牛影视| 日本精品一区二区三区在线播放| 视频区一区二在线观看| 美女不带套日出白浆免费视频| 九九久久精品国产| 国产一区二区三区亚洲精品| 国产三级久久精品三级91| 国产精品无码久久久久久久久久| 日本动态120秒免费| 亚洲双色视频在线观看| 开心五月天第四色婷婷| 精品av天堂毛片久久久| 亚洲专区一区二区在线观看| 国产精品日韩亚洲一区二区| 人妻少妇精品视频三区二区一区| 久久久精品国产亚洲成人满18免费网站 | 亚洲国产午夜精品理论片在线播放| 欧美成人a在线网站|