基于粒子群優(yōu)化模糊聚類的煤氣鼓風(fēng)機(jī)故障診斷系統(tǒng)研究.pdf

1、煤氣鼓風(fēng)機(jī)是煤化工廠的重點(diǎn)關(guān)鍵設(shè)備，一旦停機(jī)會造成全公司的煤氣無法平衡，同時(shí)，焦?fàn)t煤氣無法回收而放空也影響了環(huán)保，因此對設(shè)備運(yùn)行狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)控，對發(fā)生的故障能夠準(zhǔn)確診斷、及時(shí)報(bào)警，建立起一種智能診斷系統(tǒng)顯得尤為重要。本文針對煤氣鼓風(fēng)機(jī)組的特點(diǎn)，在原有的一套煤氣鼓風(fēng)機(jī)在線監(jiān)測系統(tǒng)基礎(chǔ)上，綜合運(yùn)用各種技術(shù)，提出了一種基于粒子群優(yōu)化模糊聚類的煤氣鼓風(fēng)機(jī)故障診斷算法，并將其用于現(xiàn)場實(shí)際應(yīng)用。本文介紹了該算法的原理、基本實(shí)現(xiàn)方法、系統(tǒng)構(gòu)成和各個(gè)

2、功能模塊。
　　當(dāng)前，聚類分析已成為模式識別、人工智能領(lǐng)域研究的熱點(diǎn)。基于目標(biāo)函數(shù)的模糊聚類方法在故障診斷領(lǐng)域和圖像識別領(lǐng)域中得到了廣泛的應(yīng)用，但該算法在實(shí)際應(yīng)用中存在著一定的缺陷，該算法對初始值非常敏感，很容易陷入局部極值點(diǎn)而得不到最優(yōu)解；針對大量和多維數(shù)據(jù)時(shí)，模糊聚類算法實(shí)時(shí)性也較差。粒子群算法(PSO)是一種基于群體的智能優(yōu)化方法，通過模擬鳥群的行為來解決最優(yōu)化問題。本文在模糊C-均值研究基礎(chǔ)上，提出了一種基于粒子群優(yōu)化模糊

3、聚類(PSO-WFCM)的故障診斷算法，利用PSO的全局尋優(yōu)能力，能夠跳出局部收斂點(diǎn)，搜尋到最優(yōu)解。實(shí)驗(yàn)?zāi)M結(jié)果顯示，PSO-WFCM比起傳統(tǒng)的FCM算法有更快的收斂速度和聚類效果。本文在原有程序的基礎(chǔ)上，通過VC和MATLAB的混合編程，描述了具體算法實(shí)現(xiàn)過程，并以VC和SQLserver2000做為數(shù)據(jù)庫軟件開發(fā)工具，建立了粒子群故障聚類數(shù)據(jù)庫，實(shí)現(xiàn)了基于PSO-WFCM的故障診斷系統(tǒng)。
　　至今，系統(tǒng)實(shí)現(xiàn)了數(shù)據(jù)采集和信號分析