基于改进动态时间规整的直流电动机驱动负荷开关卡涩故障辨识

负荷开关在动作过程中可能会发生卡涩现象,其储能电动机电流形态能有效反映开关的机械状态。因此,本文提出一种基于改进动态时间规整(IDTW)的负荷开关卡涩故障检测方法。首先,利用滑动均值滤波实时处理电动机电流信号,滤除干扰信号。其次,制定动作电流的录波启动和停止判据,以确保记录完整的电动机动作电流。随后,通过距离公式调整、算法加速和存储空间优化对动态时间规整(DTW)进行改进。以开关正常状态的电流信号为标准波形,利用IDTW计算对比波形与标准波形的标准化距离,并制定边界阈值实现对开关状态的辨识。最后,设计一套在线诊断终端,实现所提算法的工程化。实验结果表明,所提方法具有较强的适应性,对两种型号的负荷开关均能实现正确录波,辨识准确率分别达到99%和99.37%,所设计的在线诊断终端能够在较短时间内完成对负荷开关卡涩状态的辨识。

基于散射理论与动态时间规整的时移地震波动方程差异反演

时移地震勘探作为储层动态监测的有效手段,对获取地下介质的弹性或物性参数变化起到了至关重要的作用.由于多期地震勘探之间介质的传播速度存在差异,同时环境条件、采集方式及处理手段等方面的不同,都会使地震记录产生走时差异.而这种走时差异对时移地震反演存在着严重的影响,尤其是基于波动方程的反演方法.为了消除时移差异,我们引入动态时间规整(DTW)方法实现角道集优化匹配,以获取地震记录的有效变化信息.此外,本文提出根据散射理论,通过弹性波动方程进行时移地震差异反演,得到地层的差异弹性参数,实现储层差异定量表征.该方法采用WKBJ近似模拟非均匀背景,具有更高的反演精度,尤其是在复杂地质构造条件下优势更加明显.本文对所提出的方法进行了数值模拟实验与实际数据应用,证明该方法得到的反演结果优于传统方法,可以实现对地层时移差异的准确刻画.

基于动态时间规整的制丝批次间差异评价方法

在卷烟制丝生产中,通常采用统计过程控制的方法评价生产过程质量,由于其基于稳态性的假设,忽略料头与料尾的数据,该研究使用生产全过程数据针对不同批次之间的质量差异如何评价的问题,提出一种基于动态时间规整(DTW)的批次间差异评价方法。首先,介绍烟草加工批次间差异的成因及其评价的意义;然后,对异常检测相关理论进行综述,分析统计模型、聚类、神经网络等方法在批次生产场景下的局限性,指出弹性相似度测量在变速时间序列比较中的优势;随后,详细介绍DTW算法原理,并将其推广到处理多变量时间序列数据的场景。在此基础上,设计一种利用DTW距离来评价不同加工批次与优质批次差异的框架。最后,以卷烟生产中的松散回潮工序为例,应用所提方法对100个批次进行差异性评估并进行可视化,验证该方法的有效性,进一步结合统计过程控制来说明可能的应用场景。该研究可为烟草制丝质量控制提供一种数据驱动的新思路,存在扩展至其他流程生产过程的可能性。

基于动态时间规整的局部分块匹配在面部遮挡人脸识别中的应用

针对面部遮挡人脸识别问题中遮挡源变幻莫测、遮挡位置、大小及形状未知而导致从人脸图像中分割遮挡区域困难的问题,提出了基于动态时间规整(DTW)的局部分块匹配(LPM)算法。首先,将人脸图像划分成若干大小相等且互不重叠的局部小块;然后,借助于光栅扫描顺序将各个小块按照前额、眼睛、鼻子、嘴巴和下巴的顺序连接成一个单一序列;最后,计算查询人脸与注册人之间图像到类的距离;并利用动态时间规整的设计思想寻找查询序列与所有注册序列之间的最佳对齐方式。在两个公开人脸数据库FRGC2.0、AR及一个户外人脸数据库上的实验验证了所提算法的有效性及可靠性。实验结果表明,相比其它几种较为先进的人脸识别算法,所提算法取得了更高的识别率;此外,所提算法无需任何训练过程,计算成本低,更适合应用于现实面部遮挡人脸识别中。

基于动态时间规整和自适应顺序形态变换分类的故障诊断方法

研究了将动态时间规整(DTW)用于故障诊断的技术,使具有相同趋势但时序上并不完美一致的两序列之间距离最小化,发挥其在序列匹配中的重要作用。在前期研究提出的一种采用欧式距离度量两序列间的匹配程度的基于自适应顺序形态变换分类的故障诊断方法的基础上,由采用欧式距离变为采用DTW匹配来度量信号间误差,提出了三种用于故障诊断的新的自适应顺序形态变换分类方法。通过连续搅拌釜式加热器故障诊断问题的研究验证了所提出的三种新方法的有效性,并对比了它们与前期研究提出的方法的故障诊断效果。

DTW算法在地震时间序列信息挖掘中的应用

采用DTW算法用于实现地震时间序列“异常形态”的回溯性检验与统计,以此提高地震异常信息的深度挖掘效率。随机选取太原地震监测中心站(以下简称太原站)水平摆观测的一段数据作为测试数据,验证该方法的可行性,并利用昔阳地震监测站(以下简称昔阳站)水平摆实际观测数据,自动识别出自观测以来受降雨影响的异常形态。在此基础上,将最近一次数据变化作为模板,进行回溯性检验,共提取出7次类似变化,与之前总结的异常特征一致。经分析,其中4次异常之后对应了太原盆地及其周围M3.6以上地震,运用R值评分对其进行预报效能评估,结果显示该异常形态可通过预报效能检验(R=0.52,R_(0)=0.45),其最佳预测时间为50~90 d内,可作为短期预测指标。

基于动态时间规整和长短期记忆的空中交通流量短期预测

空中交通流量短期预测对于精准实施空中交通流量管理具有重要意义。为提高空中交通流量短期预测准确性,充分利用历史运行数据,提出了基于动态时间规整和长短期记忆(dynamic time warping-long short-term memory,DTW-LSTM)的空中交通流量短期预测模型。首先,分析了空中交通流的时空相关性特征,采用DTW算法衡量扇区之间交通流相关性;其次,依据相关性度量结果构建数据集,在不同输入条件下建立LSTM网络预测模型;最后,在不同时空参数组合模型间展开预测性能对比及分析。实验结果表明,相较于不考虑时空相关性的LSTM模型,本模型平均绝对误差(mean absolute error,MAE)降低24.5%,均方根误差(root mean squared error,RMSE)降低31.4%,相较于时空相关性的支持向量回归(support vector regression,SVR)模型,MAE降低36.4%,RMSE降低30.6%。由此可见,通过考虑交通流时空相关性可以有效提升流量短期预测的准确性,为空中交通流预测提供有益参考。

利用动态时间规整方法实现不同时间长度地震观测资料的形态匹配

本文将动态时间规整方法引入到地震观测资料的形态匹配分析中,以解决因时间尺度不一致的两列观测数据无法定量比对的问题。基于动态时间规整技术方法原理,通过测试数据验证了动态时间规整方法的可行性,并利用云南西部地区的断层实际观测数据,分析了1996年丽江MS7.0地震前的跨断层观测数据异常形态与当前数据异常形态的相似性问题。结果表明:①动态时间规整方法可用于地震资料时间长度不一致时的相似性匹配;②时间不一致的两列观测数据可用累积规整路径距离来定量表征,累积距离越短,曲线形态越一致;③动态时间规整方法可用于给定模板的前兆数据相似度的计算机自动提取,可提高当前仅依靠人工判别的工作效率;④从模式识别的角度考虑,当前下关跨断层水准观测数据变化形态与1996年丽江M-S7.0地震和2008年汶川MS8.0地震前的水准数据变化形态较为一致。

基于动态时间规整的谱聚类方法与双向长短期记忆网络的电动公交短期充电负荷预测

对电动公交车进行较为精准的短期充电负荷预测,有利于电网合理调度,从而在一定程度上缓解大规模电动公交车接入对电网冲击的影响。因此,提出一种电动公交短期充电负荷预测方法,以提高负荷预测精度。首先,结合电动公交车充电负荷具有的间歇性和波动性特点,提出基于动态时间规整(dynamic time warping,DTW)的改进谱聚类(spectral clustering,SC)方法,对公交车日充电负荷曲线进行聚类;其次,对每类负荷综合考虑时间、日类型、温度及历史负荷值等影响因素,利用双向长短期记忆(bi-directional-long short-term memory,Bi-LSTM)构建电动公交车短期充电负荷预测模型;最后,利用某市实际天气数据和历史负荷数据进行仿真验证,并与其他预测方法进行对比分析。实验结果表明,所提方法能提高短期充电负荷预测准确度。

一种空中目标关联关系挖掘分析方法

快速准确挖掘分析雷达历史数据中蕴含的目标关联关系,可以为空中目标活动规律研究、目标识别判性等提供辅助,充分发挥历史数据作用。根据目标时空特性,设计了一种新的空中目标关联关系挖掘分析方法。设计了一种时间匹配方法,生成时间关联数据集。设计了一种空间关联度量,生成空域关联数据集。运用DTW及生成树算法,匹配并搜索具有关联关系的空中目标,生成关联关系集合。经数字仿真验证,该方法可有效挖掘雷达数据历史信息,寻找目标之间的关联规律。

结合形状特征及其上下文的多维DTW

传统动态时间规整算法(Dynamic Time Warping,DTW)及其变种算法被广泛应用于多维时间序列的相似性分析,但它们通常只关注单个时间点的信息而忽略了上下文信息,从而很可能匹配两个形状完全不同的点。因此提出一种结合形状特征及其上下文的多维DTW算法(Multi-Dimensional Contextual Dynamic Time Warping,MDCDTW)。该算法首先计算多维时间序列的一阶梯度,然后对其进行采样处理,并以多维梯度矩阵表示当前时间点的形状信息及其上下文信息,最后利用DTW求解多维时间序列间的最短匹配路径。为检测算法设计的合理性,对算法进行了定性分析和定量分析,实验结果表明MDC-DTW算法设计是合理的;为检测MDC-DTW的性能,选用5个多维时间序列数据集,并与4个优异的多维DTW算法进行对比实验,实验结果表明MDC-DTW具有较高的准确率和运行效率。

采用MFCC和DTW的咳嗽干湿性自动分类技术

咳嗽是一种在呼吸疾病中常见的症状。对病人的咳嗽类型进行分类和统计对病人的病理分析将有极大帮助。提出了一种基于MFCC特征和DTW模板匹配的方法来对病人的咳嗽进行自动干湿性分类。通过训练咳嗽样本,使用特征提取算法得到它们的MFCC特征参数从而生成用于比较的参考模板库。然后对需要进行分类的咳嗽信号进行同样的特征提取过程,并将参数和模板库中的进行匹配从而得出咳嗽的干湿性类别。文中对78个未知类型的咳嗽样本进行分类,得出干性咳嗽57个,湿性咳嗽21个,分类错误率为7.69%。经进一步处理,可以将分类错误率减少到仅为2.56%。

一种基于DTW改进的轨迹相似度算法

针对传统的轨迹相似度计算方法无法区分现实采集到的轨迹中由噪声带来的差异和真实的不相似部分的问题,基于动态时间规整(dynamic time warping,简称DTW)算法,提出了一种改进的轨迹相似度的计算方法。并对最后的结果进行了归一化处理,便于人们直观理解,同时也可用于对多对轨迹之间的相似性进行排序,从而可以在数据挖掘的相关应用中得到有效利用,同时对计算过程也进行了优化。在现实采集到的数据上的测试表明这种方法对噪声和异常点是鲁棒的,对轨迹的采样频率等参数没有任何要求,而且可以适用于仅获得轨迹的部分片段的情况,并且在区分轨迹的相似和不相似部分方面较之前的方法准确度有了很大提升,即使轨迹的采样较为稀疏的前提下依然如此。

基于UCR-DTW的地磁序列定位算法

针对地磁序列匹配中动态时间规整(dynamic time warping,DTW)算法计算效率低问题,文章提出一种基于加州大学河滨分校(University of California,Riverside,UCR)优化策略的地磁序列定位算法。在序列匹配时,首先利用重排序策略对序列进行重新排列,然后利用级联下界约束策略在DTW计算前进行约束,提前筛选指纹库内的待匹配序列,最后将筛选得到的待匹配序列进行序列匹配,并利用全局约束策略与DTW提前抛弃策略对DTW计算进行约束。结果表明,文中提出的算法在使用轨迹长度2.5 m左右的地磁序列进行定位时,可以在保证定位精度几乎不变的情况下,将匹配效率提高90%以上。

一种结合端点检测可检错的DTW乐谱跟随算法

针对乐谱跟随中动态时间规整算法(DTW)时间精确度不高并且无法检测偏差音符的不足,提出一种基于端点检测与DTW算法的乐谱跟随系统。其前端结合端点检测算法,提取基于恒Q变换(CQT)的色度特征值,再将两个音频信号进行比较,最终利用DTW算法实现演奏音频与乐谱对齐功能,确定演奏音频每一时刻具体演奏内容。实验结果表明,提出的算法在时间精确度上较传统方法提高7.64%,并且不受节拍变化的影响,能够检测出演奏音频中是否有偏差音符。

基于DTW算法的台风运动轨迹相似性研究

本文为了研究台风运动轨迹间的相似程度,并对台风轨迹进行统计分析,采用Web墨卡托坐标投影方式处理台风运动轨迹,使用轨迹相似度算法计算历史台风运动轨迹之间的相似性。对比分析2000年1月至2021年12月西北太平洋及南海地区的497个台风轨迹数据相似度计算结果,DTW算法能够有效确定台风运动轨迹之间的相似性,相比传统相似路径台风匹配的方法更高效。

基于DTW算法的肌电信号手势识别方法

为了提高肌电信号手势识别算法的准确度,增强实时性,提出了一种基于动态时间规整(DTW)算法的手势识别方法,该方法利用肌电信号(EMG)对个体间的手势进行识别。首先,采用滑动平均能量的方法对原始的EMG信号进行数据分割,探测有效动作;其次,对于分割的数据段使用平均绝对值(MAV)来提取信号特征;最后,用DTW算法将8维的EMG信号融合并计算测试样本和模版的相似度,其中采用了DTW算法寻找规整路径的方法进行了模板制作,实现了个体间的手势识别。实验结果表明,使用DTW算法对肌电信号进行手势识别,其动作识别的准确率达到96.09%,该方法计算速度快,实时性强。

基于DTW算法波形相似性的GIS内隔离开关运行可靠性评估方法研究

针对GIS内隔离开关在发生机械故障时,其故障区段和非故障区段存在故障特征重叠不足的问题,提出一种基于动态时间弯曲距离搜索的故障分析方法。根据故障时两组行程曲线的DTW距离值较大,非故障时两组曲线的DTW距离值较小,依次将各个隔离开关行程曲线的DTW距离值与设定阈值进行比较,若DTW距离值大于设定阈值则视为存在故障。通过大量仿真验证结果表明,该方法能够明显区分出是否出现故障,对角型隔离开关、直线型隔离开关以及三工位隔离开关具有较强的适用性。

基于N-BEATS神经网络的滚动轴承剩余寿命预测

针对轴承剩余使用寿命预测时采集到的信号序列复杂且不平稳,导致预测精度和性能较低的问题,采用经验模式分解对信号序列进行自适应分解,利用动态时间规整算法筛选主要退化特征,提取信号序列趋势特征,使用具有残差原理的深层神经网络N-BEATS进行预测。对于预测历史数据较少的问题,采用递归与直接相结合的预测结构对剩余寿命进行多步预测。将N-BEATS与长短时记忆神经网络、灰色预测模型进行比较,结果表明在不同工况下,所提出的方法预测结果的平均绝对误差相较于LSTM、灰色预测模型分别提升了3.2%以及3.3%,相对均方根误差分别提升了3.5%以及3.1%。

基于改进DTW算法的窨井盖盗损检测方法

针对城市窨井盖被盗或被损坏的现象,提出一种基于改进动态时间规整(Dynamic Time Warping,DTW)算法的窨井盖盗损检测方法。根据窨井盖在正常振动与非正常振动下产生的声纹差异,采用梅尔倒谱系数(Mel-frequency Cepstral Coefficients,MFCC)并整合差分倒谱系数作为特征参数,结合改进的DTW算法进行声纹识别。通过调整动态时间规整函数,将传统DTW算法搜索区域约束为较小面积的菱形,使其达到减小存储空间和缩短识别时间的目的。仿真实验结果表明,铁锤敲击井盖声、车辆碾压井盖声等七种声音类型的平均识别率为81.4%,平均识别速率提高了29.37%。