[发明专利]一种基于特征提取与模糊C均值聚类的燃烧监测与诊断的方法

权利要求书

1.一种基于特征提取与模糊C均值聚类的燃烧监测与诊断的方法，其特征在于：其步骤为：首先采用时、频域统计分析和信息熵分析技术提取火检信号中反映燃烧状况的火焰特征量，再利用模糊C均值聚类算法对火焰特征量进行FCM聚类分析，再通过模糊模式识别计算模糊燃烧指数。

2.根据权利要求1所述的基于特征提取与模糊C均值聚类的燃烧监测与诊断的方法，其特征在于：

(1)、经由数据输入接口获得不同燃烧工况下对应的火检信号，并计算各个工况下的燃烧特征量，包括方差Var、偏度Ske、峭度Kur、形状因子SF、奇异谱熵H_t、功率谱熵H_f、小波能谱熵H_w；

(2)、FCM聚类分析步骤为：采用模糊C均值聚类算法确定每个燃烧特征量数据点属于某个聚类的程度，在FCM聚类算法中，将有限个样本集x＝{x₁,x₂,…x_n}，x_i＝{Var,Ske,Kur,SF,H_t,H_f,H_w,燃烧工况}，样本集划分为l类（2≤l≤n)，任一样本点不会严格划分为某一类，而是以一定的隶属度属于l个不同域；

minJm(u,v)=Σi=1kΣj=1nuijm·dij2=Σi=1kΣj=1nuijm·||xj-vi||A2s.t.Σi=1kuij=1,∀j=1,...,n---(a)]]>

式（a）中：

J_m(u,v)——目标函数，即含隶属度加权的类内距离平方和函数；

——样本x_j到聚类中心v_i的距离，

u_ij——第j个样本属于第i个聚类的隶属度；

m——模糊加权指数(m＞1)；

可解得：

Uij=1Σk=1k(dijdkj)2m-1vi=Σj=1nuijm·xjΣj=1nuijm]]>

具体步骤如下：

步骤一初始化：设定模糊加权指数m，聚类个数k(2≤k≤n)，迭代停止阀值ε和规定迭代次数b，初始化聚类中心v⁽⁰⁾；

步骤二用式（b）中第一个表达式计算隶属度矩阵

步骤三用式（b）中第二个表达式更新聚类中心

步骤四若||v^(b)-v^(b+1)||＜ε或者迭代次数超过规定次数，则停止算法，否则转第二步；

步骤五输出结果；

(3)模糊模式识别即基于最大隶属原则

设G为全体被识别对象构成的论域，A₁,A₂,…,A_n是G的n个子集，x∈G是一待识别对象，若uAi(x)=max{uA1(x),uA2(x),...,uAn(x)}]]>

式中——x对A_i的隶属度；则认为x优先隶属于A_i，即x隶属于A_i所代表的那一类；

(4)计算模糊燃烧指数

定义第i个样本的模糊燃烧指数的计算公式：

e＝3×u_i1+2×u_i2+1×u_i3                                   (c)

式c中u_i1——第i个样本对燃烧状态“好”这一类别的隶属度；

u_i2——第i个样本对燃烧状态“中”这一类别的隶属度；

u_i3——第i个样本对燃烧状态“差”这一类别的隶属度，且有