往复压缩机气阀早期故障的双演化遗传聚类检测

摘要

针对往复压缩机气阀早期故障的检测数据分布复杂,常规方法难以有效检测的问题,提出一种双演化遗传聚类检测算法.该算法引入测地线距离作为数据间关系测度,并将个体编码为代表各类别的典型样本序号的排列.基于生物进化系统的中自组织、自学习及自适应等复杂性,设计了相应的幂律选择算子、双演化交叉算子和种群的自适应更新策略来完成故障数据的聚类检测.将该算法用于两级往复压缩机气阀早期故障检测,试验结果表明,双演化遗传聚类算法.在对气阀早期故障的识别率上明显优于常用的K均值算法和遗传聚类算法,可应用到具有复杂数据分布的机电系统故障检测.