基于稀疏符号时间序列分析的转子碰摩故障早期检测方法

引入稀疏混沌时间短序列概念,提出了稀疏符号时间序列分析方法与实现流程。利用映射空间关系对混沌振子的相变进行自治而快速辨识,以尽早而准确地捕捉表征转子碰摩早期的特征信号,进而实现对转子碰摩故障进行早期检测。仿真和数值实验均表明,基于稀疏符号时间序列分析方法可以对信噪比为-37.163dB左右的微弱信号进行可靠检测,是一种具有实际应用价值的故障早期特征检测方法。

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.

基于概率密度空间划分的符号化时间序列分析及其在异常诊断中的应用

提前诊断出机械系统中的异常信息对于防止生产事故的产生非常重要。在各种诊断方法中,符号化时间序列分析(STSA,Symbolic time series analysis)是一种常用的异常诊断方法,然而它的诊断效果和符号化时间序列的形成紧密相关。在对之前方法总结分析的基础上,提出了一种高效实用的符号化方法——基于概率密度空间划分的符号化方法。在该方法中,首先对时间序列进行概率密度统计分析,进而确定若干个概率相等的区间,然后对属于特定区间的值赋予一个特定的符号。为了检验该方法的效果,将基于概率密度空间划分的符号化时间序列分析方法用于轴承疲劳实验的异常诊断当中。通过对比实验表明:概率密度符号化方法相比于传统的空间划分方法对异常更加敏感,能够更早诊断出轴承的异常。

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。

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。

非线性时间序列的符号化分析方法研究

符号时间序列分析方法是近年来新兴的一种数据处理方法,已经被广泛的应用于各个领域.采用符号化分析方法能够从动力系统中快速有效地提取有用定量信息,计算简单快捷,而且能够有效的抑制噪声.本文采用三种统计量用于表征符号化时间序列的特性,用Henon方程作为算例验证了该方法的可靠性,并且将此方法应用于垂直上升管中油水两相流流型分析,结果表明从符号时间序列计算的统计量对油水两相流过渡流型变化敏感.

基于符号时间序列法的风电功率波动分析与预测

风电功率波动与预测是风电并网研究的主要内容。针对风电功率的随机波动特性,将符号时间序列方法应用于风电功率波动与预测分析中,并提出一种自适应分区方法,该方法根据数据序列分布的密集程度,实现数据序列区域的非均匀分割,找出信息量丰富的区域,以便突出反映数据的变化情况。之后,以符号序列直方图理论为基础,通过直方图求逆实现原始数据序列关键数据区域的定位,进而完成风电功率的预测。以某一风电场实测风电功率数据验证所提方法的有效性,为风电功率调度提供参考。

基于符号时间序列分析法的A股上海板块网络结构分析

股票价格的变化不仅受自身基本面的制约,而且也受其他股票的影响。网络分析方法是一种用于分析复杂股票关系的工具。基于符号时间序列分析法,构建了我国A股市场上海板块网络的最小生成树及相对应的分层树,从上市公司之间关系的角度分析和解释了实证结果。

基于符号时间序列方法的汽油机瞬态排放特征分析

冷启动、加速-滑行组合、节气门加速开启-关闭等瞬态工况更能反映汽油汽车(汽油机)的实际运行状态,有必要研究工程化的瞬态工况排放检测与评价方案。本项目探求将符号时间序列分析STSA应用于汽油机瞬态工况排放分析与特征提取的方法与途径,主要包括:建立能够方便实现瞬态工况的措施,寻找利用五组分排放分析仪进行间接检测的理论和手段,基于符号时间序列分析的Shannon熵评价不同瞬态工况或不同车(机)型的排放。

基于符号时间序列方法的多尺度股指波动分析

将小波多分辨分析与符号时间序列分析方法相结合,确定不同尺度上股指波动的主要模式与异常模式,为不同类型的投资者提供参考。通过离散小波分析得到波动序列不同尺度的细节,针对不同尺度上的细节,采用符号时间序列分析方法确定其主要模式与异常模式,并与原序列比较异同。用该方法以上证综指与深证成指两个指数的5分时序列为样本,对其"已实现"波动序列进行实证分析,以验证该方法的可行性和有效性。

气液两相流差压测量波动信号的符号序列统计分析

将符号时间序列分析方法应用到两相流测量波动信号分析,并讨论了关键参数对符号统计量影响问题。在此基础上,利用垂直上升管中采集到的80组气液两相流差压动态波动信号,提取了时间不可逆转性Tfb及χf2b统计量。当气相表观速度小于0.02m.s-1时,随着气相表观速度增加,泡状流随机可变的运动特征逐渐加剧,其动力学特性变得相对复杂;当气相表观速度大于0.02m.s-1时,在流型从泡状流向段塞流转变过程中,随着气相表观速度增大,流型演化的动力学特性逐渐变得相对简单;在流型从段塞流向混状流转变过程中,随着气相表观速度增加,混状流的动力学特性逐渐变得愈加复杂。研究结果表明,时间不可逆转性Tfb及χ2fb统计量两个符号是表征气液两相流流型的敏感特征量,考察这两个统计量随两相流流动参数变化规律有助于更好地理解两相流流型动力学特性。

针对时间序列的城轨牵引能耗异常分析

城市轨道交通牵引能耗占系统整体能耗的40%~60%.车载能耗计量装置记录了大量时间序列形式的牵引能耗数据,其能耗模式和异常分析对城市轨道交通节能运营具有重要意义.本文提出一种针对时间序列数据的牵引能耗异常分析方法.首先基于符号化近似聚合方法降低原时间序列维度得到牵引能耗子模式,然后利用K-means聚类实现牵引能耗模式判别,最后基于获得的典型牵引能耗模式及时间序列相似性度量方法,分析牵引能耗时间序列是否存在异常.将该方法应用于北京地铁某线路列车运营过程中记录的数据,得到3种典型能耗模式并结合车底运用计划进行分析,所提方法可用于时间序列牵引能耗数据的异常判断,为及时发现并确定牵引能耗异常程度提供数据支撑.

循环射流混合槽压力波动时间序列差异性分析

为了研究循环射流混合槽内压力波动信号的前向和后向符号时间序列的动力学特征的差异性,利用等概率原则对PFS(pressure fluctuation signals)时间序列进行符号化转换,通过修正的Shannon熵选取最佳符号集大小和子序列长度。利用子序列编码图、时间不可逆转性、秩次图和秩次距离等参数对PFS时间序列进行STSA(symbolic time series analysis)研究。研究结果表明:修正的Shannon熵最小时确定优化符号化参数为n=2和L=10。前向与后向时间序列的子序列编码分布相似但其频数不等,表明CJT(circulating jet tank)内湍流流动呈现多尺度混沌确定性特征。PFS的时间不可逆性值随着周向角的增加不断增加,随z/H的增大呈现先降低再上升最后降低的趋势,随雷诺数的增加呈现"W"型分布。时间不可逆性值与秩次距离对PFS前后向序列动力学特征的差异性判断相互吻合。

基于时间序列分析的动态分布平滑方法

统计语言模型在实际应用中显示出了不俗的效果,但由于语言的灵活性,模型的数据稀疏问题始终不能避免,现有的平滑方法只考虑了模型中元素出现的频数,没有考虑到语言的使用是随着时间变化的.本文分析了模型中词语随着时间的变化而出现的频数变化情况,利用时间序列模型分析中的预测方法获得下一个阶段的数据来估计模型的参数,提出了一种对在时间线上频数增加的词语增加概率值,对频数减少的则降低概率值的动态分布平滑方法.实验数据显示,本平滑方法具有一定的优越性.

基于LDA符号表示的时间序列分类算法

近年来,基于符号表示的时间序列分类方法受到广泛关注,大部分现有方法对原始数据进行符号表示时,没有使用类别的标签信息。提出基于线性判别分析(LDA)的时间序列符号表示方法,考虑最大化类间区分度,使用LDA对原始数据集进行维数约减。再利用信息增益寻找降维后数据的符号投影区间,采用多重系数分箱(MCB)技术将维数约简后数据表示成符号序列。该方法在20个时间序列数据集上的分类效果好于已有方法,有监督的符号表示方法能有效提高分类性能。

基于符号时间序列的飞机交流发电机异常检测技术研究

飞机交流发电机是飞机电源系统中最重要的部件，它的工作状态直接影响到整个飞机机载设备的运行状况和飞行安全，因此研究交流发电机的异常检测技术具有十分重要的意义。针对飞机交流发电机日常维护中传统的检测和分析方法的不足，本文提出将符号化时间序列分析方法应用于飞机交流发电机的异常检测中，引进表征符号总体特征的Shannon熵对交流发电机的健康状况进行评估。

大尺度IP网络流量异常特征的多时间序列数据挖掘方法

提出了一种大规模通信网络流量异常特征分析的多时间序列数据挖掘方法,把多个网络流量特征参数构成的时间序列作为一个整体进行分析研究,进行多时间序列数据挖掘产生网络流量异常相关的有效关联规则,对整个通信网络的安全威胁进行描述。Abilene网络数据验证了该方法。

汽油机瞬态排放量的符号树Shannon熵分析

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3种瞬态工况时,用符号树Shannon熵值对尾气中的HC和CO排放量评估。

汽油机热怠速排放实验数据的符号化分析

介绍了符号时间序列分析中符号的转换、直方图的绘制、符号树的结构及其信息熵;选择了符号的数目、固定字长度、划分线的位置、采样时间间隔等参数,并将符号时间序列的方法应用于汽油机热怠速排放实验数据.用MATLAB编程,得到了符号序列直方图,求出了Shannon熵、欧几里得范数等统计量,并对其结果进行了分析,肯定了统计量对确定性结构的评估作用.

混沌时间序列拟随机性的一种解释

为"混沌时间序列具有拟随机性"的论点给出了时间序列方面的案例解释.采用自功率谱密度函数、符号序列直方图及其Shannon熵、重构相空间维数(符号序列长度)等几个时间序列特征,比较随机数据与混沌数据的差异.结果表明,对于自功率谱密度函数和符号序列直方图及其Shannon熵,随机数据与混沌数据之间特征相近.对于重构相空间维数(符号序列长度),随机数据与混沌数据之间特征有差异.故此,论证了混沌时间序列具有拟随机性的性质.