模糊C均值聚类与K近邻算法的故障检测研究.pdfVIP

第41卷第4期自动化仪表Vol.41No.4

2020年4月PROCESSAUTOMATIONINSTRUMENTATIONApr.2020

模糊C均值聚类与K近邻算法的故障检测研究

王钧石,李元

(沈阳化工大学信息工程学院,辽宁沈阳110142)

摘要:基于K近邻的故障检测(FD-KNN)算法可以有效处理非线性、多模态的故障检测问题,但在过程故障检测中存在故障类型

多、测量变量复杂等缺陷。将模糊C均值聚类(FCM)和K近邻(KNN)相结合,提出一种新的故障检测方法FCM-KNN。该方法与传统

算法相比较,故障检测率有明显的提升。首先,应用FCM聚类将多模态训练集按模态聚类,同时根据样本与各聚类中心的距离比例来

得到样本对于每个聚类中心的隶属度;再根据隶属度来判断样本所属模态,进而在各个模态下完成基于KNN的故障检测。