设计研究
文章编号：10062971(2013)06001606
混沌差分优化数据聚类及在故障诊断中的应用张晓戎"，王程成，胡光波”，张毅，周勇？
（1.中石油西气东输管道公司，上海200122;2.91640部队，广东湛江524064）
摘要：以某往复式天然气压缩机三类典型故障下的振动数据为例，进行数据聚类性能仿真和故障诊断应用实验，仿真实验结果表明改遗的FCM数据聚类算法聚类性能效果有较大提高，故障类别分类诊断中能提高故障判断准确率15%以上，在工程实践中具有很好应用前景。
关键调：混沌差分透化；数据聚类；故障诊断；模棚c均值
中图分类号：TH457
文献标志码：A
Improved Data Clustering AigorithmBased on Chaotic Dif-ferentialTheory andItsApplication inFault Diagnosis
ZHANG Xiao-rong', WANG Cheng-cheng', HU Guang-bo’,ZHANG Yi',ZHOU Yong
(1.West-East Gas Pipeline Company of PetroChina,Shanghai 200122, China; 2.No.91640 Troops of PLA,Zhanjiang 524064, Chins)
Abstract:The 3 types of fault for the reciprocating natural gas compressor was taken for the example in the application,the vibration data on the fault condition was collected for the research case.The data elustering and fault diagnosis was simulated in the experi-ment.Simulation result shows that the clustering performance of the improved algorithm is much better than the traditional FCM algo-rithm, and the accuracy rate of the fault diagnosis is improved by 15%,it shows good perspective in the engineering application prac tice
Key words :chaotic differential evolution; data clustering;fault diagnosis; Fuzzy cmeans
1引言
在对海量数据进行处理中，对提取的数据特征进行聚类研究，是计算机应用和信号处理领域的一个重要研究课题，这些海量的数据，可能来自于原始采集得之，也可能通过一定的特征提取算法得之。通过对这些海量的数据的聚类分析，实现数据融合、分类识别，对含有各类反映数据源系统本质特征的特征数据分门别类，可以更好地研究数据源系统的特性，从而有效地应用在诸如军事领域的目标识别，机械工程领域的故障诊断之中。
聚类，顾名思义，就是按照事物之间的相似
收稿日期：201305-17 16Cm质缔和技术
性进行区分和分类的过程。目前使用的聚类算法很多，按类别可分为模糊聚类算法、层次聚类算法、分割聚类算法、基于密度的聚类算法、基于网格的聚类算法等等，他们在不同的应用领域有不同的侧重。其中层次聚类算法是把个类别当作有层次分别的，层次聚类中，随着类别层次的变化，对象也发生变化。层次类别算法分为融合法和分裂法。层次聚类算法优点是它适合任意形式的相似度和距离的数据类别，对聚类粒度灵活性，其缺点是终止条件不精确，难以适应动态的数据集。分割聚类算法是将数据集分为若干子集，反复调整聚类结果来进行聚类优化，典型的分割聚类算法为K-means算法，K-means算法对数据属性
2013年06期（总第242期）圈