基于两阶段中立型交叉效率和Shannon熵的公交服务效益评价:利益相关者视角

为了获得高区分度、更准确的公交服务效益评价结果,提出了一种基于两阶段中立型交叉效率和Shannon熵集结模型的组合评价方法。基于网络数据包络分析模型得到两阶段中立型交叉效率模型中的自评结果,在此基础上测算出互评结果,利用Shannon熵集结模型将自评与互评结果集结得出最终交叉效率值。从公交企业、公众和政府三方利益相关者的角度构建了公交服务效益评价指标体系,对2011~2016年间“长三角”地区案例进行研究。结果表明:大多数公交企业的运营状况均不佳,但综合效益总体上在缓慢提升;服务过程评价结果显著优于生产过程评价结果;小型规模公交企业综合效益最高,其次是中型规模企业,而大型规模企业最低;政府大量的补贴和公交企业过量的资源投入会对效益产生负面影响。

基于Shannon熵与声发射信号的CBN砂轮性能监测方法研究

为了在磨削加工过程中能够有效判别CBN(Cubic Boron Nitride)砂轮的磨削性能,提出了一种基于Shannon熵理论与声发射信号的CBN砂轮性能监测方法。首先,利用声发射传感器采集CBN砂轮磨削加工过程中的声发射信号,基于最大信息熵对CBN砂轮磨削加工过程中的声发射信号进行概率密度估计,获得磨削加工过程中声发射信号的最大熵概率密度分布。然后,通过分析研究CBN砂轮在修整过后循环磨削以及不同直径剩余磨削时的声发射信号特征,根据交叉熵原理分析CBN砂轮不同磨削性能时声发射信号最大熵概率密度分布,并通过设定交叉熵阈值来辨别磨削加工过程中CBN砂轮的磨削性能。最后,为验证该方法的实用性,在某工厂CBN砂轮磨削产品生产线上进行大量实验研究,结果表明,该方法对CBN砂轮磨损状态及CBN砂轮剩余寿命进行有效监测,验证了该方法监测CBN砂轮在磨削加工过程中磨削性能的有效性。

基于小波包Shannon熵SVM和遗传算法的电机机械故障诊断

针对电机机械多故障同时诊断问题,基于小波包、Shannon熵、支持向量机(SVM)和遗传算法,提出了一种电机机械故障诊断新方法,称之为WPSSG法或多模型融合法。该方法选择容错性强的Shannon熵作为特征参数,通过对振动信号进行基于DMeyer小波的小波包分解,提取振动信号的小波包Shannon熵为特征向量,将特征向量作为多类别SVM的输入,具有较高的去噪能力;在训练SVM时,与传统方法多采用试凑法选择参数不同,该方法采用遗传算法对SVM的参数进行全局寻优,使SVM获得最佳的分类性能,具有更高的识别准确率。采用凯斯西储大学提供的电机机械故障数据进行实验,结果证明该方法具有很好的可靠性和准确性。

基于最优小波包Shannon熵的再制造电机转子缺陷诊断技术

为了实现对再制造电机转子质量的有效监控,采用超声波技术对其内部缺陷进行检测与评价。引入滤波效果良好的最优小波包滤波法和对超声波信号噪声含量变化敏感的Shannon信息熵算法,定义一种新的最优小波包Shannon熵(Best wavelet packet Shannon entropy,BWPSE)的概念,并提出基于BWPSE的超声波信号消噪方法。对采集到的再制造电机转子超声检测信号进行最优小波包滤波处理,得到各尺度的小波包分解系数,在此基础上计算各尺度小波包分解系数的Shannon熵,通过分析小波包系数Shannon熵的变化规律确定分解层数及阈值。采用该方法对再制造电机转子超声检测信号进行消噪处理,结果表明该方法对噪声消除比较彻底,对比Sqtwolog阈值小波分析及Heursure阈值小波分析等其他信号消噪方法,该方法可显著提高再制造电机转子内部缺陷定量分析的准确度。

基于符号序列Shannon熵提取机器的运行特征

讨论了将时间序列转化为符号序列,即信号粗粒化问题,给出二进制符号化和角区间符号化两种规则,得到了二进制符号化规则下的符号序列Shannon熵计算方法。采用Shannon熵提取了汽油机瞬态排放信号、柴油机机身振动信号、转子轴振动信号的信号特征,结果表明,描述符号序列总体特征的Shannon熵能够便捷地反映机器的运行状况。

基于Shannon熵的自适应小波包阈值函数去噪算法研究

小波包去噪算法的关键问题在于对信号进行去噪时,如何有效地消除噪声且尽可能地保留原始信号的小波包系数。传统阈值函数由于无可调节参数,其去噪形式固定,无法根据小波包分解系数的噪声成分自适应地进行调整,去噪效果有待提升。据此,将Shannon信息熵作为调节参数引入小波包阈值函数中,提出一种基于Shannon熵的自适应小波包阈值去噪算法,对信号进行小波包分解并计算最大分解尺度小波包系数的Shannon熵值,依据该值对阈值函数进行调整,以实现在强噪声背景下对小波包系数进行大尺度的收缩,而在弱噪声背景下实现阈值收缩的平滑过渡。采用该方法对仿真信号与轴承振动实验信号进行去噪分析,并与其它小波包阈值去噪算法相对比,结果表明该方法去噪效果更好且在滤除噪声的同时有效地保留了信号的原始特征。

基于模糊综合决策及Shannon熵的关键链缓冲确定方法

为了进一步推广关键链方法在项目管理中的运用,对关键链缓冲的设置问题进行了探讨.通过将模糊综合决策和Shannon熵的结合,综合了"专家"和"一线工人"两方面对项目的评价信息,使得所提的方法更具针对性.采用本方法可以使得关键链缓冲数量设置适当,能够较好地应对项目管理中的不确定性.最后,通过一个算例在MATLAB7.0平台上用正态分布模拟各活动的实际运行情况,说明了此方法的可行性及优越性.

基于Shannon熵法的慢性心衰证候要素诊治规律研究

目的:对慢性心衰中医和中西医结合的临床文献进行分析,并结合数据挖掘方法,探讨该病证候要素的诊治规律。方法:以中国学术期刊全文数据库(China National Knowledge Internet,CNKI)和中国生物医学文献数据库(Chinese Biomedical Literature Database,CBM)为数据源,以"慢性心力衰竭"或"慢性心衰"或"慢性充血性心力衰竭"或"慢性心功能不全","中医"或"证候"或"证"或"中西医"为检索词,分别进行一次和二次检索,对文献进行筛选。数据预处理后,采用Shannon熵非线性复杂系统划分法对中医四诊和常用中药数据进行特征提取。结果:阳虚、气虚、血瘀、水停、阴虚、痰浊为慢性心衰的常见证候要素,补气药、活血药、利水药、化痰药、解表药、温里药为临床主要用药。我们提取出了与证候要素密切相关的症状和中药,通过关联系数值对各症的诊断贡献度进行了量化,各要素下分值较高的症状基本为该证的共性症状,分值较低的症状多为某一类患者或疾病本身的特异表现;同时筛选出各证候要素对应的常用中药,间接反映了该药的临床对证使用情况。结论:本研究采用Shannon熵法探索中医四诊-证候要素-方药诊治规律,为该病证候要素属性的判别和临床辨证候要素的用药选择提供了一定的理论依据。

车辆变速器故障诊断的Shannon熵研究

利用小波分析技术和信息科学原理 ,建立了机械故障诊断的 Shannon熵分析模型。对车辆变速器的故障诊断进行研究 ,将测试信号进行多层小波分解与重构 ,计算各层重构信号的 Shannon熵值及其熵和 ,并进行图形显示和分析 ,获得其运行状态特性并进行故障诊断 。

利用Shannon熵参数的极化干涉SAR图像非监督分类

本文利用Shannon熵参数,提出了一种极化干涉SAR图像非监督分类方法.Shannon熵是度量雷达照射媒质无序程度的物理量,它可表示成散射强度部分熵、极化部分熵以及干涉部分熵之和.本文利用Shannon熵分解出的干涉项参数结合Wishart最大似然聚类将SAR图像分成初始若干类,结合Shannon熵中散射强度项及极化散射项参数对初始类进行细分,再用层次聚类方法将这些类合并到需要的类数.运用Oberpfafenhoffen地区的PolInSAR数据进行分类,并与L.Ferro-Fmail提出的极化干涉分类方法的结果进行比较,实验结果证明了本文方法的有效性.

矩不变调整的二维Shannon熵图像分割及其快速实现

为了克服二维Shannon熵阈值法的缺陷,提出了一种使用矩不变法来调整二维直方图斜分Shannon熵的阈值分割方法。首先将二维直方图斜分原理运用到两种Shannon熵阈值法中,然后利用矩不变法从两种熵阈值法获取的阈值中选择最佳阈值,并提出二维直方图斜分Shannon熵阈值法的一般递推算法,最后将二维直方图分布特性与这种算法有机结合得到新型快速的递推算法。实验结果表明,提出的方法不仅分割效果优于当前的二维直方图斜分的最大熵阈值法,而且运行速度更快,约快4倍。

基于Shannon熵的1/f类分形信号去噪方法

通过分析1/f类分形信号及白噪声小波系数的Shannon熵在不同分解级数上的特点,提出了根据信号熵所占比例,从加性白噪声背景下估计分形信号的方法。计算机仿真结果表明,该方法简单可靠、有效可行,且事先不需要知道分形信号参数及加性白噪声的统计特性,只需估计出带噪分形信号的信噪比,具有较好的适应性。

负P表示非经典光场的Wehrl熵和Shannon熵

研究了负P表示非经典光场的Wehrl熵和Shannon熵与场参数m和平均光子数n-的关系,结果显示,负P表示的非经典光场的Wehrl熵随着场参数m和平均光子数的增大而减小,当n-增大到一定程度时Wehrl熵趋向于一个不变的常数。用数值计算的方法研究了负P表示光场的Shannon熵与平均光子数n-的关系,结果表明,Shannon熵随着场参数m和平均光子数n-的增大而增大。同时发现,Wehrl熵随光场总噪声的增大而减小,Shannon熵随力学量起伏的减小而减小。

基于Shannon熵的飞机交流发电机振动分析

飞机交流发电机是飞机关键部件之一,监测其健康状况具有重要意义。通过设计实验数据获取平台采集交流发电机在转速上升(从6000转/分到8500转/分)、平稳运行(7500转/分)及转速下降(8500转/分到6000转/分)三个阶段的振动信号,利用符号序列Shannon熵的计算方法以及符号化方法设定合适参数对振动信号进行了处理,得出了交流发电机在三个阶段的振动信号的Shannon熵;通过初步的分析表明,交流发电机在正常状态下三个阶段的Shannon熵都比较有规律的在一定范围内变化,一旦发生振动异常将会引起Shannon熵突变;经过分析讨论,Shannon熵的突变与否是可以用来反映交流发电机在机械方面是否存在故障隐患的。

基于小波包Shannon熵的PHM系统故障特征提取

针对同步发电机故障预测与健康管理(Prognostics and Health Management,PHM)系统故障特征提取困难,信号容易受到噪声干扰,诊断结果可靠性低的缺点,本文以故障率较高的轴承故障为例,提出以小波包熵值作为故障特征,提取轴承典型故障的振动信号。通过小波包分析,计算出不同故障、不同故障程度的小波包Shannon熵值。与正常轴承对比进行故障程度预测及故障定位。仿真结果表明小波包Shannon熵值能够清楚地反映出轴承故障程度及故障位置,该方法简单可靠,进行故障预测及诊断效果显著,克服了传统故障特征提取方法的不足。

采用符号序列Shannon熵的机器信息提取方法

讨论了将时间序列转化为符号序列,即信号粗粒化问题,给出二进制符号化和角区间符号化2种规则,得到了二进制符号化规则下的符号序列Shannon熵计算方法.对于汽油机瞬态排放信号、柴油机机身振动信号、转子轴振动信号,采用Shannon熵提取了信号特征,结果表明描述符号序列总体特征的Shannon熵能够便捷地反映机器的运行状况.

基于Shannon熵噪声表征能力的系统状态辨识

研究利用含噪程度差异辨识动力系统不同状态的可能性,采用符号时间序列的Shannon熵表征动力系统的含噪状态。由协方差矩阵最大特征值法或最小Shannon熵法获得符号序列长度L,得到符号序列直方图后便可计算Shannon熵。分别对不同瞬态工况的汽油汽车尾气HC排放、不同活塞环状态的柴油机机身振动、转子?定子不同碰摩状态的转子振动、汽车前悬架状态变化时的振动这4种动力系统计算Shannon熵,考察其对于系统含噪的表征能力和对于系统状态的辨识能力。研究结果表明:对于上述4种动力系统,Shannon熵都能指出含噪最强或最弱的那个状态,表明Shannon熵可用于辨识系统不同状态,但是,采用Shannon熵辨识系统状态的效能主要受状态之间含噪程度差异的影响。

基于符号序列Shannon熵的轴承故障趋势分析

讨论了时间序列转化为符号序列的信号粗粒化问题,给出二进制符号化和概率统计符号化两种规则。根据符号序列Shannon熵计算方法以及符号序列编码方法,得出了滚动轴承振动信号的熵值。结果表明,描述符号序列总体特征的Shannon熵能够反映轴承的故障趋势。

基于Shannon熵的高压直流输电线路单端电气量保护

综合考虑高压直流输电线路保护对于可靠性和快速性的要求,提出一种基于Shannon熵的直流线路单端量保护方法。研究发现,由于线路边界元件所具有的对特征谐波的滤波特性,导致保护安装处的暂态电流特征频带信号在直流线路区内和区外故障时存在着显著的差异性。利用切比雪夫滤波器获取频带电流,通过求取其熵值的方法提取电气量特征,实现区内外故障的快速有效识别,并利用暂态电流变化特征实现故障的选极。通过在PSCAD/EMTDC和MATLAB平台进行故障仿真及数据处理,结果表明,所提方法能可靠、快速地识别出故障区段和故障极,保护动作性能好,采样率要求低,原理简单,实用性强。

基于符号树Shannon熵的汽油机瞬态排放分析

讨论了汽油机瞬态工况的内涵,提出了瞬态工况下如何评价尾气排放量的问题,给出了二进制划分下符号树结构及其Shannon熵的计算方法.在3种试验汽油机分别处于冷起动、暖机和加速-滑行这3种瞬态工况时,用符号树Shannon熵值评估尾气中的HC和CO排放量.