模拟退火K均值在工业过程故障诊断中的应用

摘要

针对K均值聚类算法的初始聚类中心是随机选取的，并且依赖于欧氏距离，导致聚类结果极其容易陷入局部最优解的问题，研究了模拟退火K均值(simulated annealing K-means, SA-K-means)在工业过故障诊断中的应用.利用K均值聚类算法对训练数据进行聚类，并将此结果作为模拟退火算法的初始解，运用模拟退火算法对扰动解不断迭代优化，通过温度的衰减最终得到目标函数最小的结果.将此方法应用到TE(tennessee eastman)过程进行故障诊断，同时将此方法与单独应用K均值算法进行对比.仿真结果表明：通过模拟退火算法对K均值的优化可以避免致聚类结果陷入局部最优解，得到更好的建模结果，同时也能提高对未知故障数据的诊断正确率.

关键词

K均值聚类 / 模拟退火算法 / 故障诊断