本文主要研究内容
作者周爱国,王嘉立,杨思静,沈勇,楼狄明（2019）在《基于K-means和K近邻的DPF设备故障分类算法》一文中研究指出：DPF(柴油微粒过滤器)在使用过程中,由于灰分积累、使用不当等原因易造成DPF堵塞等故障,现有的数据采集设备无法直接反映出设备是否发生故障。针对这一问题,提出了一种基于K-means和KNN的DPF故障分类算法。在K-means++选择初始聚类中心的基础上引入了阈值限定D0,以降低同类型样本被选为后续聚类中心的概率。其次,为了保证聚类数目的真实性,采用层次分析法辅助初步确定聚类参数k,并利用轮廓系数和交叉验证来评估模型。KNN模型利用已分类的样本对来自不同厂家的混合测试样本进行预测,实验结果表明,其预测准确率达到了90%以上,基本实现了DPF设备故障属性分类,为后续维护工作提供了可供参考的依据。
Abstract
DPF(chai you wei li guo lv qi )zai shi yong guo cheng zhong ,you yu hui fen ji lei 、shi yong bu dang deng yuan yin yi zao cheng DPFdu sai deng gu zhang ,xian you de shu ju cai ji she bei mo fa zhi jie fan ying chu she bei shi fou fa sheng gu zhang 。zhen dui zhe yi wen ti ,di chu le yi chong ji yu K-meanshe KNNde DPFgu zhang fen lei suan fa 。zai K-means++shua ze chu shi ju lei zhong xin de ji chu shang yin ru le yu zhi xian ding D0,yi jiang di tong lei xing yang ben bei shua wei hou xu ju lei zhong xin de gai lv 。ji ci ,wei le bao zheng ju lei shu mu de zhen shi xing ,cai yong ceng ci fen xi fa fu zhu chu bu que ding ju lei can shu k,bing li yong lun kuo ji shu he jiao cha yan zheng lai ping gu mo xing 。KNNmo xing li yong yi fen lei de yang ben dui lai zi bu tong an jia de hun ge ce shi yang ben jin hang yu ce ,shi yan jie guo biao ming ,ji yu ce zhun que lv da dao le 90%yi shang ,ji ben shi xian le DPFshe bei gu zhang shu xing fen lei ,wei hou xu wei hu gong zuo di gong le ke gong can kao de yi ju 。
论文参考文献
论文详细介绍
论文作者分别是来自内燃机与配件的周爱国,王嘉立,杨思静,沈勇,楼狄明，发表于刊物内燃机与配件2019年12期论文，是一篇关于柴油微粒过滤器论文,故障分类论文,近邻论文,层次分析论文,交叉验证论文,内燃机与配件2019年12期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自内燃机与配件2019年12期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：柴油微粒过滤器论文; 故障分类论文; 近邻论文; 层次分析论文; 交叉验证论文; 内燃机与配件2019年12期论文;