[发明专利]一种基于改进K_means聚类算法的发动机状态评估方法

权利要求书

1.一种基于改进K_means聚类算法的发动机状态评估方法，其特征在于：包括以下步骤：

S1：对履带装甲车辆发动机进行实车检测试；

S2：将S1中取得的数据通过相关性、单调性、预测性及鲁棒性的指标进行计算；

S3：通过S2的结果，进行总结；

S4：利用熵技术确定各评价指标的客观权重；

S5：履带装甲车辆发动机基于熵权理想点的多指标综合评价，通过构造多目标决策问题的理想点和负理想点，并以距离理想解和负理想解的远近来评价各个方案的好坏，得出一个评估结果。

2.根据权利要求1所述的一种基于改进K_means聚类算法的发动机状态评估方法，其特征在于：所述S1中包括以下步骤：

S1.1：记录起动电流的发动机状态特征参数，并提取了履带装甲车辆发动机的起动电流特征；

S1.2：记录履带装甲车辆振动信号时、频域特征；

S1.3：对信号进行包络提取、多次自相关分析、STCZT变换、频率成分跟踪，计算振动信号在各时刻的基频频率，并通过线性关系转换为发动机瞬时转速；

S1.4：基于振动信号包络自相关STCZT的转速测量方法，通过对信号进行包络提取、多次自相关分析、STCZT变换、频率成分跟踪，计算振动信号在各时刻的基频频率，并通过线性关系转换为发动机瞬时转速。

3.根据权利要求1所述的一种基于改进K_means聚类算法的发动机状态评估方法，其特征在于：所述S2中相关性指标采用以下公式计算：

式中：Y＝(y₁,y₂,...,y_N)为某一特征参数序列，T＝(t₁,t₂,...,t_N)为相应时刻的时间序列，N为相应的监测点数。

4.根据权利要求1所述的一种基于改进K_means聚类算法的发动机状态评估方法，其特征在于：所述S2中单调性指标采用以下公式计算：

式中：Y＝(y₁,y₂,...,y_N)为某一特征参数序列。

5.根据权利要求1所述的一种基于改进K_means聚类算法的发动机状态评估方法，其特征在于：所述S2中离散性指标采用以下公式计算：

式中：y_max为特征参数监测的最大值，y_min为特征参数监测的最小值，σ(Y)为检测过程中特征参数的标准差，为特征参数的均值。

6.根据权利要求1所述的一种基于改进K_means聚类算法的发动机状态评估方法，其特征在于：所述S2中鲁棒性指标定义为：

式中Y＝(y₁,y₂,...,y_N)为某一特征参数序列，为相应特征序列的趋势序列。

7.根据权利要求1所述的一种基于改进K_means聚类算法的发动机状态评估方法，其特征在于：所述S4中通过熵计算不确定事务中提供信息量的数量，熵的定义为；

8.根据权利要求1所述的一种基于改进K_means聚类算法的发动机状态评估方法，其特征在于：所述S4中建立标准化决策矩阵，为消除各指标因量纲不同、数量级不同等因素对决策结果的影响，对多指标评价矩阵进行标准化处理得出决策矩阵R，评价指标的属性，定义决策矩阵中第j个特征第i个指标z_ij的标准化参数为：

式中：m为特征参数数量。

9.根据权利要求8所述的一种基于改进K_means聚类算法的发动机状态评估方法，其特征在于：所述S4中根据公式定义计算第i项指标的输出熵：

根据各指标输出熵分别计算其客观权重：

式中：n为评价指标数量。

10.根据权利要求1所述的一种基于改进K_means聚类算法的发动机状态评估方法，其特征在于：所述S5中根据S4的结果标准化决策矩阵R和各指标熵权W，构建加权决策矩阵：

确定理想点与负理想点

计算相似度，作为综合评价各特征参数优劣的依据；

相似度的计算方法为：