论文部分内容阅读
变压器油色谱分析对变压器的运行和维护具有重要意义，聚类算法是油色谱分析的一种重要智能算法。但是传统模糊聚类算法（FCM）无法实现变压器油中溶解气体分析（DGA）数据的有效故障分类。该文针对传统FCM隶属度函数存在较多局部极值点的缺陷，重构了FCM的隶属度计算方法。通过构建指数形式的相似性函数，得到随距离单调变化的隶属函数，消除了隶属度函数的局部极值点；将相似性计算分为两个步骤，先根据样本每个属性计算子相似性，再融合得到样本的综合相似性，进而得到隶属度。实例分析表明，该方法提高了FCM进行DGA故障模式识别