王印松，商丹丹，王艳飞，张婉君

(华北电力大学控制与计算机工程学院，河北 保定 071000)

1 引言

随着科学技术的不断推进，现代控制系统的规模逐渐大型化，复杂程度也日益增大。为了提高控制系统的安全性和可靠性，需要对整个系统的运行状态进行监控，及时发现系统的故障信息，进而采取相应的措施，防止灾难性事故的发生。因此，控制系统的故障诊断技术是一项很具有实际意义的研究课题，引起了大批学者的广泛关注[1]。

众所周知，控制系统一旦发生故障，其运行参数表现出的特性会与正常状态有所不同，因此这些差异蕴含了系统的故障信息。国内外众多学者通过利用这些故障信息提出了不同的诊断方法。文献[2,3]提出了基于模型匹配的方法进行故障诊断，但这种方法几乎都是在线性模型下实现诊断的，具有很大的局限性。文献[4，5]提出了基于机器学习和先验知识的故障诊断方法。这种方法适合于可以获取大量经验和知识的场合，但当过程所反映的经验和相关知识难以得到时，其诊断结果的准确性将受到很大影响。近些年来，基于数据驱动的方法[6 - 8]在控制系统故障诊断领域已成为一大研究热点。聚类分析[9,10]作为数据驱动的方法之一，在处理大量相关数据时有着其他方法不可比拟的优点。聚类分析是一种无监督的学习，根据样本的相似性进行分类，使处于同一类的样本具有较大的相似性，而处于不同类的样本则差异性较大。……