传感器故障后多变量经验小波变换多点预测

为有效应对多点风速传感器或风压传感器故障而造成的损失,同时为了降低运算的复杂性和工程应用的难度,需要提出同步恢复缺失数据的模型。传统的多通道信号诊断采用多元经验模态分解(multivariate empiricalmode decomposition,简称MEMD),笔者提出多变量经验小波变换(multivariable empirical wavelet transform,简称MEWT)来同步恢复多点缺失数据。具体应用时,首先,运用MEWT将多点信号同时分解为一系列模态;然后,利用核函数极限学习机(kernel-based extreme learning machine,简称KELM)实现同步预测,同时运用杜鹃搜索(cuckoo search,简称CS)算法对模型的正则化参数以及核参数进行智能寻优。多步预测时,采用多输入多输出(multi-input multi-output,简称MIMO)策略代替传统的滚动策略。建筑物表面实测多点风压数据和实测多点下击暴流风速数据用于验证模型的可行性。与噪声辅助的多元经验模态分解核函数极限学习机的对比结果表明,该模型能更高精度地同步恢复多点多步信号。