似然K均值聚类用于涡扇发动机气路故障诊断

来源：计算机工程与应用杂志2020年第9期北京时间：

作者：卢俊杰，黄金泉，鲁峰

单位：南京航空航天大学 能源与动力学院 江苏省航空动力系统重点实验室，南京 210016

摘要：[K]均值聚类算法是聚类领域最知名的方法之一，然而[K]均值聚类完全依赖欧式距离进行聚类，忽略了样本特征离散程度对聚类结果的影响，导致聚类边缘样本容易被误聚类，且算法易局部收敛，聚类准确率较低。针对传统[K]均值聚类算法的不足，提出了似然[K]均值聚类算法，对于每个聚类的所有样本考虑每个维度样本特征的离散程度信息，分别计算样本属于某一聚类的似然概率，能够有效提高聚类准确率。在人造数据集和基准数据集验证了似然[K]均值聚类算法的优越性，将其应用于涡扇发动机气路部件故障以及传感器故障的模式识别，验证了该算法在涡扇发动机故障诊断中的实用性和有效性。

关键词：[K]均值聚类,似然概率,涡扇发动机,气路故障,模式识别