以有效的模糊C-平均值演算法分析馬達電流訊號與辨識馬達的品質類別

A Fuzzy C-Means Algorithm to Analyze Current Waveform for Determining the Motor’s Quality Types

林佳儀(Chia-Yi Lin)

指導教授 ： 廖炯州

共同指導教授 ： 葉雲奇(Yun-Chi Yeh)

健行科技大學/電資學院/電子工程系碩士班/碩士(2017年)

摘要

本篇論文提出「以有效的模糊C-平均值演算法(Fuzzy C-Means, FCM)分析馬達電流訊號與辨識馬達的品質類別」。本論文是將FCM演算法應用於辨識馬達的品質類別為例說明。辨識過程簡述如下：(i)首先，從已知品質類別的樣本馬達中，取得各種品質類別的輸入訊號，並分別計算在各種不同品質類別之主要特徵點的特徵值向量；(ii)其次，執行FCM演算法，並計算在所有不同品質類別中，每一個品質類別之最終的群體中心值；(iii)接著，計算下列兩者之間的歐氏距離，它們分別是：待辨識馬達之主要特徵點的特徵值向量，及每一種品質類別之最終的群體中心值；(iv)最後，依據計算得到的歐氏距離，決定該待辨識馬達之品質類別是屬於何種類別。若是屬於“品質類別-z”，條件是在所有的品質類別中，該待辨識馬達的主要特徵值向量，它與“品質類別-z”之最終的群體中心值，兩者之間的歐氏距離是最小的值。本篇論文經過多次的測試，證實以模糊C-平均值演算法應用於分析電流訊號與辨識馬達的品質類別，是一個有效且實用的方法。

關鍵字

模糊C-平均值演算法(Fuzzy C-Means, FCM) ； 集群分析(Cluster Analysis) ； 歐氏距離(Euclidean Distance) ； 直流馬達(DC Motor)

並列摘要

This dissertation proposes a novel Fuzzy C-Means (FCM) algorithm for determining the motors’ quality types by analyzing their current waveforms. The determining process of motors’ quality types are listed as follows: (i) Obtaining input current signals of sample motors with well-known distinct classes and then calculating their feature values of qualitative features; (ii) Computing centroid values of each quality class; (iii) Computing Euclidean distances of their feature values and centroid values of classes; and (iv) Determining motors’ quality types using obtained Euclidean distances. A motor belongs to a class-z if it and class-z has the minimum Euclidean distance. Experimental results show that the proposed FSM algorithm is an effective quality determining method for motors.

並列關鍵字

Fuzzy C-Means (FCM) ； Cluster Analysis ； Euclidean Distance ； DC Motor

參考文獻

[1] 王文俊, “認識Fuzzy,” 全華科技圖書公司, 2007.

[2] J. C. Dunn, “A fuzzy relative of the ISODATA process and its use in detecting compact Well-Separated clusters,” Journal of Cybernetics, vol. 3, pp 32-57, 1973.

[3] J. C. Bezdek, “Pattern recognition with fuzzy objective function algorithms,” New York, Plenum Press, 1981.

[4] Y. C. Yeh, W. J. Wang, and C. W. Chiou, “A novel fuzzy c-means method for classifying heartbeat cases from ECG signals,” Measurement, vol. 43, no. 10, pp. 1542-1555, 2010.

[5] W. C. Chen, and M.S. Wang, “A fuzzy c-means clustering-based fragile watermarking scheme for image authentication,” Expert System with Application vol. 36, pp. 1300-1307, 2009