基于K-means最佳聚类的间歇过程故障诊断方法

• 作 者: 邵盟雅 吕锋 宋学君 郭振兴
• 机 构: 河北师范大学物理学院,石家庄050024;河北师范大学河北省光物理研究与应用重点实验室,石家庄050024;河北师范大学职业技术学院,石家庄050024
• 出 处: 控制工程
• 发表日期: 2020年9期
• 关键词: MPCA K-means 最佳聚类 软时段划分 故障诊断

在多时段间歇过程中,过程特性区域存在于两个相邻时段间的模糊过渡区域中.若不能准确将过渡时段提取出来,在采用多向主元分析(MPCA)方法进行故障诊断与分析过程中容易产生误判.为此,提出了一种基于K-means最佳聚类的间歇过程故障诊断方法.该方法首先在传统软时段划分中加入K-means最佳聚类方法,提高了子时段与过渡时段的区分度;然后利用MPCA诊断方法进行诊断分析.此方法提高了过渡时段的区分度,进而提升了故障诊断的精度.通过机床设备加工数据的仿真实验,证明了方法的有效性.