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
  • 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。