基于聚类集成的高铁故障诊断分析

聚类集成是对若干独立基聚类器的结果进行组合,从而得到一个对原始数据最优的聚类结果。聚类集成能够减小噪声和孤立点对结果的影响,同时增强聚类结果的鲁棒性和稳定性。从3方面阐述了基于聚类集成的高铁故障诊断分析:1)将原始高铁仿真数据通过傅里叶变化把信号从时域转换到频域,再用不同的特征选择算法进行数据预处理分析；2)分别采用affinitypropagation(ap)、模糊c均值(fcm)、高斯混合模型(emgauussian)、kmeans4种不同的聚类算法对预处理后的数据进行分析比较；3)引入hgpa、mcla、cspa3种不同聚类集成模型,将得到的基聚类结果分别进行集成。首次把聚类集成算法运用于高铁故障分析中,对比实验结果表明,该方法相比于单个的聚类算法能够更准确有效地进行高铁故障诊断。