基于改进K—means聚类的kNN故障检测研究

摘要

为了减少计算量，提高故障检测准确性，提出一种基于改进K—means聚类的kNN故障检测方法．首先通过改进K—means聚类将原始建模数据分成C个类，然后利用kNN分别对每个类建立模型．在每类的训练数据集合中找到每个样本的k个最近邻，计算k个最近邻距离的平方和．基于训练数据确定进行故障检测的阈值．对新的待检测样本，先判断属于哪一类，然后应用对应类的kNN模型进行故障检测．仿真结果表明：该方法不但可以提高过程故障检测的可靠性，而且大大缩短了故障检测时间．