基于滑动窗口和多元高斯分布的变压器油色谱异常值检测

现有的变压器油色谱在线监测数据因监测装置问题频繁出现失真,严重影响了整个在线监测系统的有效性和实用性。传统阈值判定法无法灵活及时地发现变压器本体设备和监测装置的异常。对此,提出了一种基于滑动窗口和多元高斯分布的变压器油色谱异常值检测方法,利用指数加权移动平均法和滑动窗口计算历史每笔数据中氢气、乙炔、总烃的估计值,获取到与监测值的残差数据后,再通过多元高斯分布,进行异常值检测。通过某变电站油中气体数据对本算法进行验证结果表明,该方法不仅能实时检测出变压器本体异常还能发现监测装置数据失真,并能祛除数据突变和噪声带来的影响,具有一定实用价值。

基于似然比的指数加权滑动平均动态控制图

基于似然比的控制图是质量控制的一种常用方法,为进一步增强对中小漂移的检测敏感度,运用变化样本容量的动态控制图的思想计算警告线,设计了基于似然比的变化样本容量的指数加权滑动平均动态控制图,用于检测过程均值.通过R软件模拟过程开始受控和失控两种情况下平均运行长度,并与似然比控制图和基于似然比的指数加权滑动平均控制图比较,模拟结果显示良好.该方法应用于实践,不仅可以提高检测的速度,还可以提高企业统计决策的精确度和可靠度.

基于KL距离的自适应阈值网络流量异常检测

针对现有网络流量异常检测方法检测精度低且对网络环境动态变化适应性差的问题,根据网络流量在相邻时间周期内的强相关性特性,提出一种自适应阈值的网络流量异常检测方法。利用滑动窗口控制KL距离值数量,建立指数加权移动平均模型获取下一时刻的KL距离预测值,并采用滑动窗口划分的KL距离子序列与预测值确定自适应阈值范围,通过判断观测值是否在自适应阈值范围内实现网络流量异常检测。实验结果表明,该方法能有效检测网络流量异常,具有较高的检测精度。

南水北调中线总干渠水情数据智能清洗

南水北调中线总干渠水位、流量等实时水情数据受外界扰动、测量系统误差等因素影响而产生的病态水情数据将造成调度模型计算失真,甚至导致计算失败。为此,针对上下游流量数据空间上的逻辑错误和水位数据时间序列的跳变,分别建立基于粒子群优化的水量平衡模型和指数加权滑动平均模型,对病态水情数据在空间、时间上实施横向、纵向清洗处理。以穿黄节制闸至漳河节制闸间的渠段为典型研究区间,利用模型自动识别流量倒挂点,并对该渠段涉及的12座节制闸、26处分水点的流量数据进行统一修正,实现了上下游逻辑上的合理性。同时,选取研究渠段内的闫河节制闸为代表,在48 h内运行基本稳定状态下,对每2 h的闸前水位数据序列进行分析,自动识别出跳变数据并进行合理修正。结果表明:建立的模型可自动识别病态水情数据并进行智能清洗,处理后的数据能够较好地满足输水调度分析决策的需要,因此该模型具有推广应用的价值。

R-L模型的统计过程控制

化工等许多生产过程,观测值与输入状态水平之间满足两扰动成份模型。文章首先利用EM算法得到模型参数的极大似然估计,然后对生产过程利用可适应性指数加权(AEWMA)滑动平均进行质量控制。当输入状态水平恒定时,过程输出值彼此独立同分布,单个EWMA不可能同时对监控数据的大小偏移作出灵敏反应。该文采用的一种AEWMA可以很好地处理这一问题。在输入状态水平发生改变时,过程输出值存在自相关性,该文利用另一种AEWMA对动态迁移过程的监控数据进行预报,然后对预报误差进行监控,从而很好地解决了迁移过程中的监控问题。

民机引气系统快速存取记录器数据健康监测方法

状态监控与健康管理技术是国产民机运营支持亟待突破的关键技术,以民机引气系统为对象,设计实现了基于快速存取记录器(Quick access recorder,QAR)数据的民机引气系统健康监测方法,提出引气系统故障检测算法。根据引气系统原理和工况从QAR解码数据中提取高压级和低压级调压对应的监测数据。引入准确度、虚警率和漏警率指标优化指数加权滑动平均(Exponentially weighted moving average,EWMA)控制图方法,根据优化指标确定控制图的关键参数EWMA的平滑系数、构成检测样本的监测数据点数量和EWMA的控制限系数。借助航空公司收集的实际数据对方法进行验证,结果表明,与当前航空公司现行方法相比,提出的方法可降低故障预警的虚警率、提高准确度,提前故障发现时间,为航空公司合理安排飞机维修计划、减少飞机停场时间提供支持。

IEEE 80 2.15.4 MAC协议退避机制的改进

考虑节点移动且数据传输率不断变化对网络性能的影响,针对IEEE802.15.4提出了一种网络负荷概率判断和指数加权滑动平均(PJNL_EWMA)的退避策略,在每次载波监听多路访问/冲突避免(CSMA/CA)算法开始时采用网络负荷概率判断思想判定当前网络状况,然后通过指数加权滑动平均方法动态地调整退避指数。通过NS2的仿真结果表明:与IEEE802.15.4标准协议算法及MBS+EWMA算法相比,PJNL_EWMA算法不仅提高了网络吞吐量,同时还减小了数据包的丢包率和碰撞概率,提高了网络性能。

基于改进CUSUM算法的网络异常流量检测

首先对网络流量进行异常检测,发现异常后再对数据包进行分析,实施相应措施,有利于降低系统开销。针对在使用CUSUM算法进行流量异常检测时产生的累积和效应问题,提出用自适应算法消除累积和效应的影响,分析了参数的设置对解除报警的延迟时间、误报警等的影响。实验结果表明设计的算法是有效和正确的,可以直接应用于检测SYN洪水攻击等。

使用交叉熵检测和分类网络异常流量

针对准确识别网络攻击行为的问题,提出了一种基于交叉熵的流量异常检测和分类方法.首先使用流头部特征属性和行为特征属性对DoS攻击、端口扫描和网络扫描等3种常见攻击进行描述,并使用交叉熵来度量各属性上流量的分布变化,建立各攻击的行为特征向量,然后使用指数加权滑动平均控制图方法对多种交叉熵指标进行异常检测得到检测异常向量,最后以检测异常向量和各行为特征向量的相似度来判别攻击类型.针对路由器中Netflow流量的实验结果表明,对于强度较小的攻击,相比香农熵度量法,交叉熵度量法的攻击分类正判率和精确率平均提高了13%和15%,正确率提高了13%.

EWMA控制图在MSA稳定性分析中的应用

针对传统的 Shewhart 控制图使用当前观测数据进行测量系统分析(MSA)的稳定性分析,不易检测出过程均值中存在的小偏移,而指数加权滑动平均(EWMA)和累计和(CUSUM)控制图考虑了历史数据,可以克服Shewhart 控制图在小波动情况下检测能力不足的缺陷:首先通过 Montle-Carlo 模拟计算控制图性能评价指标ARL(average run length),分析了 EWMA 和 CUSUM 控制图的优越性;然后给出了 EWMA 控制图在 MSA 稳定性分析中的实施步骤.示例分析表明 EWMA 在小波动时比 CUSUM 和 Shewhart 控制图更为有效.

基于时间序列的风电功率日前预测模型及其应用

风电场发电功率随风速的无序变化是电网无法大规模接纳风电的关键因素,准确地预测风电场输出功率对电力系统大量接入风电有重要意义。针对风电功率无序变化的特征,基于时序分析法分别建立了指数加权移动平均和一阶差分自回归滑动平均的风电功率日前预测模型,进而运用穷举搜索法确定了指数加权移动平均模型的最佳加权因子为0.7,并得到此模型的风电功率预测值。同时,通过样本自相关函数定阶和最小二乘估计的方法,求得一阶差分自回归滑动平均模型的风电功率预测值。结果表明,一阶差分自回归滑动平均模型的风电场功率预测值的均方根误差比指数加权移动平均模型低0.88%,相应的准确率和合格率较高,可见一阶差分自回归滑动平均模型更能提高风电功率的预测精度。

应用MCEWMA控制图监视刀具磨损过程

为了有效地利用控制图技术,用指数加权滑动平均方法,对由于刀具磨损导致轴尺寸精度呈线性趋势变化进行预测,提出了应用MCEWMA控制图监视刀具磨损过程.在刀具使用期内,将刀具磨损及由刀具磨损带来的随机波动视为共同原因,对生产过程进行监视,避免了使用传统控制图时,产生频繁报警的弊端.最后,运用具体例子,说明控制图参数选择准则.

提高传感器故障检测能力的研究

提高传感器故障检测系统检测小故障的能力,对提高工业过程的安全和经济性有重要意义.通过推导证明:对过程数据进行指数加权滑动平均(EWMA)滤波后,(T2H)指标的阈值保持不变,而T2H指标相对于滤波前得到放大,因此滤波后T2H指标的故障检测精度得到提高,有利于及时检测到更小的传感器故障,提高了T2H指标检测小故障的能力,降低误报率,更易区分传感器的偏差故障和漂移故障.由于EWMA滤波会滤除一定的过程噪声,因此不推荐采用滤波方法检测传感器精度下降的故障.

基于加权损失函数下广义指数预报因子模型的汇率预测

本文提出在加权损失函数下构建汇率预测的广义指数预报因子模型。该方法首先选取有限个不同滑动参数构造指数预报因子,同时基于绝对值损失和平方损失的提出加权损失函数作为变量筛选的准则,然后在该准则下将指数预报因子进行线性组合,建立汇率预报的广义指数预报因子模型。本文最后用英镑/美元单周汇率数据与文献中的一些已有方法做比较,实证分析表明本文提出的方法在汇率预测效果上有较大改进。

考虑终端安全和资源调度的垂直切换算法

存在恶意终端的超密集异构无线网络中,针对高并发接入请求带来的资源分配效率降低和拥塞问题,该文提出一种考虑终端安全和资源调度的垂直切换算法(CTSRS-VHA)。首先,在网络侧通过基于有限状态机的攻击检测算法,构建终端安全评估模型,计算得到终端安全度。其次,结合网络拥塞度、用户数据传输速率和终端安全度构建了一个多目标优化函数。再次,分析网络与终端之间的综合效益,把多目标优化函数转换成单目标优化函数求解,证明了该解为帕累托最优解。最后,仿真结果及分析表明,该算法能够提高网络的接入安全水平和总吞吐量,降低网络拥塞度和切换失败率。

测量时延在线估计与批间控制器协同设计

批间控制是半导体批次生产过程中常用算法,其关键问题在于能够及时获取上一批次的制程输出,受测量手段及其成本限制,实际的生产制程很难满足这一要求.为此,本文提出一种基于贝叶斯统计分析的测量时延估计算法.在分析晶圆质量与实测时延、估计时延、以及制程漂移之间的逻辑关系的基础上,并将晶圆的质量信息按加工时间顺序划分两个相邻的滚动时间窗口.基于贝叶斯后验概率函数,及时捕获后一个滚动时间窗口内过程输出发生漂移的概率,从而判断是否有测量时延发生,并估算该时延大小.在此基础上,给出批间控制器的测量时延补偿策略,及时调整制程的控制量,提高晶圆的加工品质.仿真结果验证所提出算法的有效性.

一种改进的拥塞控制算法

为控制网络拥塞,提出一种改进的随机早期检测(RED)算法——基于加权和的随机早期检测(WHS-RED)算法。算法的基本思想是利用网络中队列长度及其变化率的加权和,动态地控制网络丢包率。建立了数学模型,并给出了计算机仿真分析结果。实验证明改进算法减小了网络丢包率和带宽延迟,在维持网络稳定性和减小队列的波动性方面优于原RED算法。

已实现波动率预测:非对称二次滑动平均模型

本文对经典的指数加权滑动平均模型进行了拓展,提出了非对称二次滑动平均模型,简记为ADMA (asymmetric double moving average).与指数加权滑动平均模型相比,ADMA模型能够有效捕捉波动率的三个已知基本特征,即波动率的均值回复特征、长短期成分特征以及非对称特征.基于中美两国数据的实证研究发现,两国股指波动率中都存在显著的长短期成分以及非对称性,但是在美国股市中表现更为明显.同时为了验证ADMA模型的样本外预测效果,本文还将ADMA模型与HAR模型进行了对比分析.实证结果表明,无论是中短期的日度和周度预测,还是长期的月度预测,ADMA模型的预测效果都要显著地优于HAR模型.

一种基于复合AI模型的动态阈值设定方法

传统信息设备的运行状态感知和故障告警主要依靠人工和传统自动化运维,存在开销大、效率低、错报误报率高等缺点。该文提出一种动态阈值设定机制,能够基于预测结果计算指定置信度下的动态阈值区间。为了得到准确的预测结果,提出离散小波变换–自回归滑动平均模型(auto-regressive moving average model,ARIMA)–指数加权萤火虫算法(exponential weighted firefly algorithm,EWFA)–极限学习机(extreme learning machine,ELM)复合模型。该模型通过离散小波变换将原始时间序列拆分为多个子序列,并按照平稳性的不同分别使用ARIMA模型和FA优化的ELM模型进行处理。最后,通过小波逆变换集成各个子序列的预测结果。此外,该文还提出EWFA,有效提升了萤火虫算法的寻优性能和收敛速度。在宁夏电力公司核心路由器数据上进行的实验表明,该方法获得了比Bi-LSTM、GRU等基准模型更好的性能,能够实现精准高效的故障预警,从而减少企业的人力物力开销。

薄板烘丝机出口含水率稳定性控制方法研究

【目的】解决薄板烘丝机出口含水率控制精度较低、波动较大问题。【方法】采用滑窗法监测入口含水率的整体性波动并进行相应的准确控制,采用指数加权移动平均(Exponentially Weighted Moving Average,EWMA)法对出口含水率的波动及时调整,建立前馈和反馈相结合的出口含水率整合控制模型,并采用自学习算法对模型进行自动优化和修正。【结果】控制方法改进后,出口含水率控制精度显著提高,过程偏移量、标准差和极差分别降低50.0%、37.5%和14.3%,过程能力指数提高57.1%。【结论】基于滑窗预测和EWMA调整的薄板烘丝出口含水率稳定性控制方法能有效提升该工序的质量控制能力。