《基于K-means算法识别瓦斯传感器软故障研究》PDF+DOC
作者:胡宇,周代勇
单位:北京矿冶研究总院
出版:《矿冶》2020年第02期
页数:5页 (PDF与DOC格式可能不同)
PDF编号:PDFKYZZ2020020030
DOC编号:DOCKYZZ2020020039
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于改进K-means算法的WSN簇头节点数据融合》PDF+DOC2015年第S1期 高红菊,刘艳哲,陈莎
《《自动化与仪表》第32卷(2017年)总目次》PDF+DOC2017年第12期
《基于PSO-BP数据融合的环境监控系统设计》PDF+DOC2020年第03期 李昌敏,熊俊俏
《基于改进RBFNN算法的瓦斯传感器非线性校正》PDF+DOC2012年第01期 杨義葵,付华,蔡玲,顾东
《无线传感器节点多特征组合加权K-means聚类算法》PDF+DOC2017年第04期 吉书瑶,吕红芳
《基于改进型BP神经网络的瓦斯传感器的非线性校正》PDF+DOC2007年第03期 刘刚
《基于神经网络的瓦斯传感器的非线性校正》PDF+DOC2006年第06期 刘刚,刘学仁,蔡十华
《《计算机测量与控制》第22卷(2014年)总目次》PDF+DOC2015年第01期
《一种新型诊断技术在电机故障诊断中的应用》PDF+DOC 何银光
《基于高速光纤光栅解调系统的高速公路路况监控系统研究》PDF+DOC2013年第01期 黄斌
针对井下瓦斯传感器设备出现的软故障如数据漂移、数据长期低于或高于正常值、数据周期性变动和数据出现大值等问题,提出了一种基于轮廓系数自适应最佳聚类点的K-means算法识别瓦斯传感器出现软故障种类的方法。该方法是利用监控系统采集的瓦斯传感器软故障信号进行小包分解处理后,结合RBF神经网络进行轮廓系数K-means自适应算法的软故障识别训练。K-means自适应算法能够自适应优化聚类中心点,利用聚类中心点的迭代循环计算出最优中心点,选择最佳聚类点进行K-means聚类,从而识别软故障信号的故障类型。实验证明,自适应轮廓系数K-means算法能够有效地识别瓦斯传感器软故障类型,提高了煤矿安全监控系统数据的准确性。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。