模糊聚类算法在涡轮增压系统故障检测中应用

船舶柴油机是船舶的有效动力,涡轮增压系统能够使得船舶燃料得到充分的利用,节省航行成本。对涡轮增压系统进行及时的故障诊断非常重要。本文通过改进传统的模糊聚类算法,得到模糊核聚类算法,并将其应用于船舶涡轮增压系统故障检测中,最后通过对比实验说明本文算法识别率高、检测消耗的时间少。     

模糊核聚类在船舶故障诊断中的应用

船舶故障具有非线性和模糊性的特点,本文将模糊核聚类算法应用于船舶故障诊断。首先阐述模糊核聚类算法的实现过程,并将此算法与模糊聚类在目标函数收敛性、学习能力、诊断正确率等方面进行对比,实验结果表明,本文算法在船舶故障诊断方面鲁棒性强、收敛速度快、学习能力强。     

船舶电力网络的模型参考自调节控制技术

船舶电力网络是船舶动力的核心组成部分,当船舶网络中某些单元发生故障或异常时,可能会导致整个船舶电力网络异常甚至崩溃。在船舶控制系统中引入模型参考自调节控制技术以提高船舶电力网络的稳定性和运行性能。本文对模型参考自调节控制技术进行深入研究,在此基础上,提出了改进的K-means聚类算法。     

基于单亲遗传算法和模糊C-均值算法的混合聚类算法

介绍了基于单亲遗传算法和模糊C-均值算法的混合聚类算法,克服了模糊C-均值算法的局部最优问题以及采用普通遗传算法聚类时搜索速度和聚类精度的矛盾.实际运算表明,算法是有效的.     

基于单亲遗传算法和模糊C—均值算法的混合聚类算法

介绍了基于单亲遗传算法和模糊Ｃ－均值算法的混合聚类算法,克服了模糊Ｃ－均值算法的局部最优问题以及采用普通遗传算法聚类时搜索速度和聚类精度的矛盾。实际运算表明,算法是有效的。     

一种基于遗传算法的模糊聚类算法及其与FCM算法的结合

在各种糊聚类算法中,模糊C-均值聚类算法FCM(Fuzzy C-Mean Clustering Algorithm)的应用最为广泛.但在实际的应用中,FCM算法却容易陷入局部最优解.因此,本文首先提出了一种基于遗传算法GA(Genetic Algorithm )的模糊聚类分析方法,它利用了遗传算法随机搜索的特点,可以避免陷入局部最优解.实验表明,将该遗传算法与FCM算法结合起来进行聚类分析,比单一使用遗传算法或单一使用FCM算法进行聚类分析的效果都要好.     

基于电力系统生命力性能的舰船电网优化方法

现代电子科学技术的发展使得船舶的电力网络也变得越来越智能化。在船舶电力网络中,电气化的程度已达到很高的水平。为加强船舶在复杂环境下的生存能力,提高船舶电网对抗恶劣电磁环境的能力,本文在研究船舶电力网络组成特点基础上,提出一种电力系统生命力性能的优化算法。该算法基于模糊综合评判理论,并采用蒙特卡洛算法计算电网的损坏程度,然后建立电力系统的数学评判模型,并采用遗传算法建立优化方案。最后通过实验仿真,验证本文优化算法的性能。     

一种基于遗传算法的模糊聚类算法及基与FCM算法的结合

在各种糊聚类算法中，模糊C－均值聚类算法FCM（Fuzzy C-Mean Clustering Algorithm）的应用最为广泛。但在实际的应用中，FCM算法却容易陷入局部最优解。因此，本文首先提出了一种基于遗传算法GA（Genetic Algorithm)的模糊聚类分析方法，它利用了遗传算法随机搜索的特点，可以避免陷入局部最优解。实验表明，将该遗传算法与FCM算法结合起来进行聚类分析，比单一使用遗传算法或单一使用FCM算法进行聚类分析的效果都要好。     

改进QuickBundles算法在船舶轨迹聚类中的应用

对船舶AIS数据聚类进行研究，可以挖掘出船舶航行过程中有效或潜在的信息，对于提高船舶海事交通管理和水路交通运输的智能化水平具有重要意义。传统的聚类算法在面对大量的AIS数据样本时通常表现出很低的执行效率。因而，提出一种改进QuickBundles算法，并对船舶轨迹采样方法和距离度量方式进行改进，选取长江南京航段板桥汽渡水域的船舶AIS数据作为试验依据，最终实现船舶轨迹的有效聚类。试验结果表明，与原QuickBundles算法和DBSCAN算法相比，改进QuickBundles算法在算法执行效率和算法准确性方面优于前两种算法，证明改进QuickBundles算法可有效应用于船舶轨迹聚类。     

复杂结构船舶配电系统故障恢复算法

利用遗传算法、支持向量机以及神经网络等传统算法对船舶配电系统故障进行诊断,误诊率和漏诊率较高,影响了后续故障修复,不利复杂结构船舶配电系统故障恢复。针对上述问题,以模糊C—均值聚类算法取代以上3种故障诊断算法,解决误诊率和漏诊率高的问题,之后在故障诊断的基础上,实现故障修复,从而完成整个故障恢复。结果表明:与遗传算法、支持向量机以及神经网络3种传统故障诊断算法相比,模糊C—均值聚类算法的误诊率和漏诊率均更低(误诊率:1.14%,1.22%,2.00%;漏诊率:1.40%,0.43%,0.34%),说明本算法的诊断性能更好,更能全面、准确的检测出配电系统发生的故障,保证了后续故障修复的效率和准确性。