基于KPCA-GG的火力发电设备状态诊断方法

论文摘要

为了解决具有非线性特征的设备状态诊断问题,提出一种基于核主成分分析和Gath-Geva模糊聚类相结合的多元时序分割算法.根据Gath-Geva模糊聚类算法得到聚类结果,利用核主成分分析算法提取非线性特征,从而构造KPCA分析模型.将聚类类簇在该模型空间中的距离作为类簇相似性分析及合并的标准,以提升方法的分割效果.实验结果表明,基于KPCA的Gath-Geva模糊聚类算法能识别数据的非线性信息,更准确地分析数据特征,其分割效果优于基于主成分分析的聚类算法的分割效果.通过提取的非线性特征对数据进行分割有助于识别设备状态的转换,可用于解决一类具有非线性特点的火力发电设备过程状态诊断问题.

论文目录

• 1 基本原理
• 2 基于KPCA及GG聚类的时序分割算法
•   2.1 KPCA的基本原理
•   2.2 改进的聚类合并方法
•   2.3 算法实现
• 3 应用实例分析
•   3.1 高压加热器实例分析
•   3.2 锅炉水冷壁实例分析
•   3.3 参数调整对结果的影响分析
• 4 结论

文章来源

类型: 期刊论文

作者: 汪国新,郝勇生,苏志刚

关键词: 核主成分分析,多元时间序列分割,模糊聚类算法,火力发电设备

来源: 东南大学学报(自然科学版) 2019年03期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 东南大学计算机科学与工程学院,东南大学能源与环境学院

基金: 国家自然科学基金面上资助项目(51876035)

分类号: TM621

页码: 542-548

总页数: 7

文件大小: 1443K

下载量: 90