基于改进K＿means的发动机状态评估方法

针对目前在缺少先验知识和小样本条件下,进行发动机状态评估难度大的问题,本文中提出了一种基于改进K_means聚类算法的发动机状态评估方法。该方法利用K_means算法的基本原理,避免了评估过程中主观因素的影响;提出相关性指标,对算法进行改进,根据特征参数性质赋予其相应权重;提出最小方差启发式初始聚类中心优选方法,避免小样本条件下初始聚类中心选择中孤点和噪声点的干扰;并充分利用Bootstrap小子样统计方法削弱了试验样本的随机性对评估模型的影响。最后通过实例评估,验证了该方法的可行性和有效性,与传统方法相比,该方法具有更强的客观性与稳定性。