付 媛，全书海

(武汉理工大学 自动化学院，湖北 武汉 430070)

改进模糊C均值聚类算法及锂电池配组应用

付 媛，全书海

(武汉理工大学 自动化学院，湖北 武汉 430070)

在锂电池化成管理的智能配组过程中，当处理大规模数据或锂电池结构较复杂时，速度和准确度不高。因此，提出了一种基于遗传算法与密度加权的改进模糊C均值聚类算法。首先，由遗传算法优化得到初始聚类中心。然后，将样本对象的高斯密度函数作为其权值，并采用Xie-Beni有效性指标改进目标函数。将改进的算法通过标准测试数据集Iris和锂电池配组进行实验验证。验证结果表明：本文算法改善了聚类效果，与模糊C均值聚类算法相比，锂电池配组的正确率提高了0.8%，并且计算迭代次数从14次降低到8次。

模糊C均值聚类算法；遗传算法；高斯密度加权；Xie-Beni指标；锂电池配组

0 引言

锂电池的化成检测是锂电池生产和应用中十分重要的环节，在单体锂电池成组前采用合适的方法配组，能提高其循环寿命与容量利用率。常用的配组方法[1-3]有单参数配组法、多参数配组法和动态特性配组法。其中，动态特性配组法[3]最有效，该方法根据充放电过程中的电压和电流等变量与时间的关系曲线来进行配组，以特性曲线聚集成簇的紧密程度来判别锂电池间性能的近似程度，利用聚类算法进行归类，从而提高电池组的性能。

模糊C均值聚类(fuzzy C-means，FCM)算法是文献[4]提出的一种基于目标函数的非监督模式识别算法，采用该算法对锂电池进行配组更能客观地反映分类结果，但也存在很大的局限性[5-7]。……