基于改进粒子群优化聚类算法的故障诊断方法

Chinese

您当前的位置：

首页 >

文章列表页 >

基于改进粒子群优化聚类算法的故障诊断方法

更新时间：2026-09-04

- 基于改进粒子群优化聚类算法的故障诊断方法
- Fault Diagnosis Method Based on Improved Particle Swarm Optimization Clustering
- 微电子学与计算机 2010年27卷第8期页码：82-85
- 作者机构：
- 作者简介：
- 基金信息：
  
  国家自然科学基金项目(50674086)
- DOI：
  中图分类号：
- 纸质出版：2010
- 稿件说明：
移动端阅览
基于改进粒子群优化聚类算法的故障诊断方法[J]. 微电子学与计算机, 2010, 27(8): 82-85.

Fault Diagnosis Method Based on Improved Particle Swarm Optimization Clustering[J]. 2010, 27(8): 82-85.
基于改进粒子群优化聚类算法的故障诊断方法[J]. 微电子学与计算机, 2010, 27(8): 82-85. DOI：

Fault Diagnosis Method Based on Improved Particle Swarm Optimization Clustering[J]. 2010, 27(8): 82-85. DOI：

摘要

针对模糊C均值聚类算法(FCM)中聚类结果受初始聚类中心影响突出的缺陷

利用粒子群优化算法(PSO)全局优化能力显著的特性

提出一种基于粒子群改进的模糊C均值聚类算法(PSO-C-FCM).该算法首先通过PSO优化算法得到一个最优值

然后利用该最优值初始化FCM聚类中心

从而优化了FCM算法的聚类结果.最后将该算法应用于电机故障诊断中

实验表明

该算法弥补了FCM算法的缺陷

提高了聚类的效率和准确性

改善了故障诊断结果.

Abstract

In order to overcome the Fuzzy C-means Algorithm’s defects of sensitivity to the initial cluster centers

using the efficient global optimization characteristics of the PSO algorithm

this paper proposes a new PSO-based fuzzy algorithm (PSO-C-FCM) . It first finds the optimal extreme using the PSO algorithm

and then initializes the cluster centers of FCM algorithm with the optimal extreme

which makes the algorithm more efficient and accurately. This new algorithm is applied to the motor fault diagnosis

and experiments show that the algorithm makes up the defects of Fuzzy C-means Algorithm

improves the efficiency and accuracy of fuzzy clustering

and improves the fault diagnosis.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于改进RT-DETR的航拍小目标检测算法

基于多尺度融合与小目标增强的航拍车辆检测算法

面向处理器分支预测单元的Spectre攻击轻量化防御方法

一种用于极低压boost系统的高效率电荷泵

V型沟槽SiC中子探测器的蒙特卡洛分析