基于数据挖掘算法的通信领域故障信号识别性能分析

• 作者: 孙俊 张锦华 杨硕 贺易 赵世文 陈家璘
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 通信领域 故障信号识别 数据挖掘算法 K-means聚类算法 BP神经网络模型
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 数据采集及信号处理
• 页码范围: 114-118
• 页数: 5页
• 分类号: TP309.7
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.1903228

摘要

针对通信领域故障信号识别的技术问题,提出了基于数据挖掘算法的通信故障信号识别方法.通过K-means聚类算法,使得用户从诸如温度、振动、电网故障、负荷、湿度、谐波、磁场、电网纹波等影响通信质量的样本数据中,根据通信类别样本的某些属性或某类特征,确定聚类簇数K,把通信样本类型归为已确定的某一类别中,使得簇内的通信样本数据能够紧密分布在一起,并通过欧几里得距离公式计算出某个类别范围内的数据.通过对数据进行聚类,使用户快速对影响因子进行分析、计算,大大提高了分类效果及稳定性.然后在聚类的数据中,采用BP神经网络模型再次对获取的聚类数据进行训练、计算,能够映射、处理不同聚类类别故障信息数据之间的复杂非线性关系,更加精确、及时处理数据,使用户对评估故障信号的精确度大大提高,减少了计算误差.