时间序列符号化在矿用提升机故障诊断中的应用研究

为了能够对矿用提升机故障进行准确的诊断,采用时间序列符号法,分析了矿用提升机常见的故障和提升机的系统组成,然后构建了基于时间序列符号法的提升机故障诊断框架,并将该方法应用到试验研究中。研究得出,通过处理和分析提升机运行状态的时序数据,验证了时间序列符号法在矿用提升机故障诊断中的有效性和可行性,实现了矿用提升机的多故障诊断。

基于符号化序列的PRI调制类型识别

在复杂多变的雷达对抗作战环境中,准确识别雷达信号的PRI调制类型并估算相应PRI值对有效的电子侦察和进一步的电子攻击有重要意义。本文提出了一种基于符号化序列计算香农熵、峭度和归一化二阶样本矩三个关键特征参数来区分不同的雷达信号PRI调制类型的方法。首先基于五种典型PRI调制类型的PRI和DPRI符号化序列计算得到特征参数,然后依据香农熵识别出抖动PRI,其次通过峭度识别出正弦调制PRI,进一步由归一化二本样阶矩区分正向滑变PRI、组变PRI和反向滑变PRI,最后通过大量的仿真验证了该PRI调制类型识别算法的有效性。

风速时间序列的符号化描述

利用统计分析技术,对已知的时间序列外推,可以克服短期风速预测中缺乏因果关系的困难。但在选择外推模型、参数及学习样本等方面存在主观认识模糊性的挑战。为降低主观认识模糊性对分类预测效果的影响并提高样本分类效率,提出按变化特征来定义符号,以及用符号串描述风速时间序列的粗粒化概念。在此基础上,引入趋势特征,完善风速时间序列的符号化过程,提出单元窗口特征和趋势特征相结合的两层符号化方法。利用甘肃酒泉风电基地一年的实际数据验证了该粗粒化方法的有效性。

基于分割模式的时间序列矢量符号化算法

针对符号化聚合近似算法(SAX)中时间序列必须等长分割的缺陷,提出一种基于分割模式的时间序列符号化算法(SMSAX)。利用三角阈值法对随机抽样的时间序列进行特征提取,计算时间序列最大压缩比,将其作为时间窗宽提取分割点,进而求出时间序列的分割模式。利用得到的分割模式对时间序列进行分割降维,通过均值和波动率对分割后的子序列进行向量符号化。根据时间序列特征对其进行不等长分割,并加入波动率消除奇异点的影响。实验结果表明,SMSAX能获得比SAX更精确的结果。

基于符号化的时间序列复杂网络构造及其拓扑结构研究

复杂网络理论是时间序列分析中一种有力的工具,但在面对高频数据时,现有建网方法是低效的。因此,提出利用时间序列符号化技术压缩原始序列,并构造网络的方法。该方法使用最小二乘估计时序分段斜率,提取序列的局部特征,并构造字典判断节点是否邻接。模拟实验表明,所建网络的标度指数、集群系数与过程的Hurst指数高度相关,可以精确地捕捉原过程的复杂性特征。

基于等分符号化序列熵的滚动轴承退化特征提取方法

为深入探究岸边集装箱起重机滚动轴承的退化特征,提出一种基于等分符号化序列熵的退化特征提取方法。考虑符号化标准的统一性,该方法以正常状态信号的均方根作为基础,建立统一的基本尺度,同时结合信息熵理论,定量衡量信号符号序列的复杂程度大小。实例分析表明,等分符号序列熵可以准确地衡量非线性时间序列的实际复杂水平,能够敏感地刻画滚动轴承性能退化的全过程,且计算速度快、抗噪能力强,适用于设备在线状态监测与特征分析。

一种改进的符号化时间序列聚类方法

符号化时间序列聚类是聚类研究中的热点之一,其中关键问题是时间序列符号化相似度问题.本文针对传统的基于欧式距离度量存在的缺陷,以LCS度量为基础,提出了ELCS相似性度量,克服了LCS度量需要依赖线性函数选取的不足.在两类数据集上进行的实验表明,同其他常用度量的比较,该度量有着更好的聚类效果.

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。

利用符号时间序列分析法表征垂直上升管中油水两相流流型

The flow patterns of oil/water two-phase flow in vertical upward pipes were characterized by the analysis of symbolic time series based on the conductance fluctuating signals.The study showed that the symbolic sequence temporal irreversibility T fb and chi-square χ2 fb statistics had little change with oil-in-water flow pattern variations for water cut (K w) ranging from 61% to 91% but showed irregular sudden changes with transitional flow pattern variations for water cut 51%.When distinguishing the transitional flow pattern from oil-in-water flow pattern, the symbolic time series analysis method presented more unique characteristics and was a useful assistant diagnostic tool for the identification of oil/water two- phase flow patterns.

基于数据挖掘的符号序列聚类相似度量模型

为了从消费者偏好序列中发现市场细分结构,采用数据挖掘领域中的符号序列聚类方法,提出一种符号序列聚类的研究方法和框架,给出RSM相似性度量模型。调整RSM模型参数,使得RSM可以变为与编辑距离、海明距离等价的相似性度量。通过RSM与其他序列相似性度量的比较,表明RSM具有更强的表达相似性概念的能力。由于RSM能够表达不同的相似性概念,从而使之能适用于不同的应用环境,并在其基础上提出自组织特征映射退火符号聚类模型,使得从消费者偏好进行市场细分结构研究的研究途径在实际应用中得以实现。

基于极值符号序列分析的EMD端点效应处理方法

针对经验模式分解(empirical mode decomposition,简称EMD)的端点效应提出一种新的抑制方法。考虑到极值序列在EMD分解的包络线形成中占有主导地位,将信号局部极值序列进行符号化,根据符号特征进行特征匹配,在信号两端依据符号序列特征匹配结果进行符号序列拓延与对应信号还原,对拓延还原后的信号进行EMD分解以实现端点效应抑制。所提方法对于随机信号与周期信号都有着明显的抑制效果,通过对仿真信号和轴承故障信号端点效应的分析验证了方法的正确性。研究与ARMA模型、BP神经网络、镜像拓延等常见方法进行了对比,所提方法的各分量有效值指标均值为19.64%,低于其他方法,说明对低频分量有着更好的抑制效果。

基于夹角符号序列的凸多边形直径算法

对一个凸多边形直径算法———夹角序列法,进行了较为深入的分析和研究,并在此基础上提出了夹角符号序列算法。算法分别讨论了利用求夹角正切值符号序列和余弦值符号序列来求解凸多边形直径的两种途径,并给出了各自的算法实现,最后对算法进行了验证,实验结果证明夹角符号序列算法效率高、可靠性好。

改进的符号时间序列分析方法及其在电机故障诊断中的应用

提出了一种改进的基于符号时间序列分析的电机异常探测方法,该方法自适应地将符号序列中出现符号最多的符号区间重新划分为2个新的符号区间,使得数据密集区间可以分配到相对更多的符号,而数据稀疏区间则分配到较少的符号,提高了符号对于信号变化的灵敏度。电机转子断条故障的诊断实验结果表明:该方法较平均划分区间的方法对于电机异常诊断有着更高的灵敏度以及更好的鲁棒性和可靠性。

基于RR间期差符号序列预测房颤终止

提出了基于RR间期差符号序列预测房颤自发终止的方法。先由房颤信号的RR间期序列求得RR间期差序列,基于阈值将RR间期差转换为符号序列。将符号序列的复杂度和子串长度概率分布的香农熵作为房颤信号特征,采用模糊支持向量机来预测房颤终止,其中模糊隶属度是在特征空间中计算的并可由核函数表示。通过由Holter心电信号组成的房颤数据库来评价本方法预测房颤终止的准确率,数据库包括一个训练集和两个测试集(A和B)。实验结果表明本方法可正确预测100%的测试集A和95%的测试集B,具有通过Holter心电信号预测房颤自发终止的能力。

基于混沌和符号序列统计的滚动轴承故障诊断

针对滚动轴承故障的特征信号处于较低频带内、容易被噪声淹没、难以检测的问题,提出了基于混沌和符号序列统计的滚动轴承故障诊断方法.该方法利用混沌振子对微弱周期信号的敏感性,通过检测处于低频带内的故障特征周期信号来诊断轴承故障,同时采用符号序列统计量来识别振子状态的变化,达到了客观、自动识别振子状态和确定故障的目的.通过诊断滚动轴承的滚动体故障和内圈故障,验证了该方法的有效性.

汽油机怠速HC排放信息的符号序列直方图分析

介绍了符号序列分析中的二进制划分、直方图、Shannon熵、欧几里得范数、高阶矩等概念,在两种试验汽油机处于热怠速工况时,运用上述概念对HC排放信号进行分析和评价。

简化EEG为符号序列及对其复杂度的研究

本文将ＥＥＧ简化为符号序列并用复杂度算法对其进行分析。为获得更好结果，对ＥＥＧ的简化方法作了一些改进，提出计算脑电信号的高阶复杂度；为利用脑电信号中的空间信息，又提出计算脑电信号的空间相关复杂度。计算了多例正常人和癫痫病人的各阶复杂度及空间相关复杂度，获得了较好的结果。

符号时间序列方法在汽油机燃烧循环变动特征分析中的应用

应用一种新的分析方法———符号时间序列方法对汽油机燃烧循环变动进行了研究。测量得到了某汽油机16种不同工况下的示功图,从提高精度与有利于数据的符号化观点出发,确定以缸内峰值压力作为汽油机燃烧循环变动的表征参数,把符号时间序列分析的具体技术和实施途径应用于试验数据,获得了汽油机燃烧循环变动随转速与负荷的变化规律,提出了利用改进的SHAN NON熵作为汽油机燃烧循环变动的评价指标的新观点。研究结果表明:该方法能较好地应用于汽油机燃烧循环变动特征分析。

符号序列多阶Markov分类

针对基于固定阶Markov链模型的方法不能充分利用不同阶次子序列结构特征的问题,提出一种基于多阶Markov模型的符号序列贝叶斯分类新方法。首先,建立了基于多阶次Markov模型的条件概率分布模型;其次,提出一种附后缀表的n-阶子序列后缀树结构和高效的树构造算法,该算法能够在扫描一遍序列集过程中建立多阶条件概率模型;最后,提出符号序列的贝叶斯分类器,其训练算法基于最大似然法学习不同阶次模型的权重,分类算法使用各阶次的加权条件概率进行贝叶斯分类预测。在三个应用领域实际序列集上进行了系列实验,结果表明:新分类器对模型阶数变化不敏感;与使用固定阶模型的支持向量机等现有方法相比,所提方法在基因序列与语音序列上可以取得40%以上的分类精度提升,且可输出符号序列Markov模型最优阶数参考值。

基于符号序列熵的自适应随机共振的微弱信号检测

针对现有随机共振以信噪比为测度，难以进行量化和在实际工程中应用，提出一种符号序列改进型香农熵结合随机共振的微弱信号检测方法。介绍了随机共振和符号序列化的基本原理，以输出信号的符号序列熵作为判断是否达到最佳随机共振的测度，自适应的调节系统参数a和b，使系统达到最佳共振并进行频谱分析。结果表明输出信号的符号序列熵可有效反映共振状况，能调节系统达到最佳信噪比输出，而且易于工程实现，证实了该方法的有效性，进而为衡量随机共振提供一种新方法。