System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及发动机,具体为基于多类型聚类的冷试测试异常检测方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息,不必然构成在先技术。
2、柴油发动机的装配过程中,热试逐渐被冷试所替代,冷试能够在柴油发动机不点火的情况下,测试出发动机的性能,通常以进气真空度最小值、扭矩最大值和排气压力最大值作为评价发动机装配质量好坏的主要表现参数。专利技术人发现,现有技术的冷试测试设备无法同时检测出多种参数装配异常,使冷试测试设备无法发挥更有效的功能。
技术实现思路
1、为了解决上述
技术介绍
中存在的技术问题,本专利技术提供基于多类型聚类的冷试测试异常检测方法及系统,以进气真空度最小值、扭矩最大值和排气压力最大值为主要参数,利用基于密度的聚类方法分离出异常参数簇团与正常参数簇团,利用改进的k-means聚类方法对异常参数簇团进行聚类,得到各自的聚类中心及对应的异常参数簇团,从而对异常数据属于哪一类的簇团进行划分,对于提高柴油机的装配质量具有极其重要的作用。
2、为了实现上述目的,本专利技术采用如下技术方案:
3、本专利技术的第一个方面提供基于多类型聚类的冷试测试异常检测方法,包括以下步骤:
4、获取发动机的进气真空度最小值、扭矩最大值和排气压力最大值参数,构建冷试测试数据库;
5、基于冷试测试数据库中的数据进行聚类,得到异常参数簇团与正常参数簇团;
6、利用改进的聚类方法对异常参数簇团进行聚类,划分
7、以异常参数簇团中的异常点为聚类对象,对各异常点到聚类中心的距离及各异常点到正常簇团中心的距离,进行加权求和作为相似度,以所有聚类点的相似度之和作为适应度函数,得到各自的聚类中心及相应的异常参数簇团,基于冷试测试数据的相似度判断异常参数簇团的类型。
8、本专利技术的第二个方面提供实现上述方法所需的系统,包括:
9、数据获取模块,被配置为:获取发动机的进气真空度最小值、扭矩最大值和排气压力最大值参数,构建冷试测试数据库;
10、数据处理模块,被配置为:基于冷试测试数据库中的数据进行聚类,得到异常参数簇团与正常参数簇团;利用改进的聚类方法对异常参数簇团进行聚类,划分异常数据的类型,具体为:
11、以异常参数簇团中的异常点为聚类对象,对各异常点到聚类中心的距离及各异常点到正常簇团中心的距离,进行加权求和作为相似度,以所有聚类点的相似度之和作为适应度函数,得到各自的聚类中心及相应的异常参数簇团,基于冷试测试数据的相似度判断异常参数簇团的类型。
12、本专利技术的第三个方面提供一种计算机可读存储介质。
13、一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述所述的基于多类型聚类的冷试测试异常检测方法中的步骤。
14、本专利技术的第四个方面提供一种计算机设备。
15、一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述所述的基于多类型聚类的冷试测试异常检测方法中的步骤。
16、与现有技术相比,以上一个或多个技术方案存在以下有益效果:
17、1、以进气真空度最小值、扭矩最大值和排气压力最大值为主要参数,利用聚类方法分离出异常参数簇团与正常参数簇团,利用改进的聚类方法对异常参数簇团进行聚类,得到各自的聚类中心及对应的异常参数簇团,从而对异常数据属于哪一类的簇团进行划分,提升了聚类效果,能够同时检测出多种参数装配异常。
18、2、基于柴油机的进气真空度最小值、扭矩最大值和排气压力最大值构建冷试测试数据库,通过基于密度的聚类方法分离出异常点与正常点大大提高了异常检测的效率。
19、3、通过对聚类点到聚类中心的欧式距离与聚类点到正常点中心的欧式距离进行加权并求和为相似度,以所有聚类点的相似度之和最小值为适应度函数,采用灰狼算法确定聚类的聚类中心,对异常点进行聚类,提升了聚类效果,提高了异常原因识别的精度。
本文档来自技高网...【技术保护点】
1.基于多类型聚类的冷试测试异常检测方法,其特征在于,包括以下步骤:
2.如权利要求1所述的基于多类型聚类的冷试测试异常检测方法,其特征在于,所述进气真空度最小值、扭矩最大值和排气压力最大值均通过冷试测试设备获得,其中,进气真空度最小值和排气压力最大值通过气体压力传感器获取,扭矩最大值通过扭矩传感器获取。
3.如权利要求1所述的基于多类型聚类的冷试测试异常检测方法,其特征在于,基于冷试测试数据库中的数据进行聚类,包括:
4.如权利要求3所述的基于多类型聚类的冷试测试异常检测方法,其特征在于,基于密度的聚类方法,具体为:
5.如权利要求1所述的基于多类型聚类的冷试测试异常检测方法,其特征在于,改进的聚类方法对异常参数簇团进行聚类,包括:
6.如权利要求5所述的基于多类型聚类的冷试测试异常检测方法,其特征在于,寻找问题的最优解,包括:
7.如权利要求1所述的基于多类型聚类的冷试测试异常检测方法,其特征在于,以异常参数簇团中的异常点为聚类对象,对各异常点到聚类中心的距离及各异常点到正常簇团中心的距离,进行加权求和作
8.基于多类型聚类的冷试测试异常检测系统,其特征在于,包括:
9.一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述权利要求1-7任一项所述的基于多类型聚类的冷试测试异常检测方法中的步骤。
10.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如权利要求1-7任一项所述的基于多类型聚类的冷试测试异常检测方法中的步骤。
...【技术特征摘要】
1.基于多类型聚类的冷试测试异常检测方法,其特征在于,包括以下步骤:
2.如权利要求1所述的基于多类型聚类的冷试测试异常检测方法,其特征在于,所述进气真空度最小值、扭矩最大值和排气压力最大值均通过冷试测试设备获得,其中,进气真空度最小值和排气压力最大值通过气体压力传感器获取,扭矩最大值通过扭矩传感器获取。
3.如权利要求1所述的基于多类型聚类的冷试测试异常检测方法,其特征在于,基于冷试测试数据库中的数据进行聚类,包括:
4.如权利要求3所述的基于多类型聚类的冷试测试异常检测方法,其特征在于,基于密度的聚类方法,具体为:
5.如权利要求1所述的基于多类型聚类的冷试测试异常检测方法,其特征在于,改进的聚类方法对异常参数簇团进行聚类,包括:
6.如权利要求5所述的基...
【专利技术属性】
技术研发人员:闫伟,吴凡,朱晓民,王辉,王桂华,徐卓,
申请(专利权)人:山东大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。