基于信息交叉熵的脏数据识别与修正技术研究

网络中存在异常数据是不可避免的,为避免脏数据影响网络正常运行,提出一种基于信息交叉熵的脏数据识别与修正技术研究方法。采用基于小波的方法对网络数据进行预处理,并结合信息熵与相对熵构建交叉熵,实现对网络数据的约简;采用熵目标函数,设置一个阈值,实现对系统中的脏物进行检测,并采用RBF神经网络模型进行重建,实现对脏物的校正。实验结果表明,针对不同类型脏数据,所提技术脏数据识别能力好、识别精度高以及信息熵丢失少。

矿山设备全生命周期信息集成与工况判别算法研究

针对矿山设备的全生命周期数据集成和设备大量监测数据信息挖掘问题,提出一种基于矿山物联网平台的设备全生命周期信息集成与工况判别算法。通过基于"逻辑设备-逻辑节点-数据类和数据属性"的分层模型结构完成数据的基本划分,采用松耦合方式完成基于矿山物联网平台的设备的全生命周期数据集成。最后,结合异常检测算法,提出了一种基于状态的设备监测数据判别算法,完成设备的工况判别。试验测试结果表明:结合从矿山物联网平台采集的设备运行检修阶段信息,利用Python语言完成用户接口构建,验证了集成方法的可行性,并以通风机设备为例验证了工况判别算法的有效性。

基于MFCC与PCA的滚动轴承故障诊断

针对振动传感器不易安装、传统分类算法训练时间较长等问题,提出了基于美尔倒谱系数(MFCC)与主成分分析(PCA)的滚动轴承故障诊断方法。首先利用声音传感器采集滚动轴承声音信号,而后提取声音信号的MFCC特征,最后将MFCC特征作为PCA分类器的输入进行故障分类,并与反向传播神经网络(BPNN)、支持向量机(SVM)进行比较研究。实验结果表明:MFCC系数可以有效反应轴承不同工作状态下的信号特征;基于MFCC与PCA的轴承故障诊断方法能够准确、有效地识别轴承故障类型。