基于CHMM(连续隐马尔科夫模型)的转辙机故障预测方法

[目的]转辙机作为城市轨道交通信号设备的重要组成部分,一旦发生故障,会对运营造成重要影响,对其健康状态的监测和预测显得尤为重要。[方法]提出了一种基于CHMM(连续隐马尔科夫模型)的转辙机故障预测方法。提取转辙机退化状态特征,并基于t-SNE算法对原始输入数据进行降维,减少余特征;利用谱聚类算法确定最优退化状态数目,进行聚类分割,分析转辙机动作功率曲线退化状态特征;基于CHMM模型并与故障诊断模型相结合,构建退化状态识别模型与故障识别模型,实现对转辙机的故障预测。以实测数据作为研究对象,对基于CHMM的转机故障预测方法进行试验验证。[结果及结论]该方法以转辙机正常动作功率曲线为研究对象,深入挖掘监测数据,提取的退化状态特征具有良好的表征能力。根据严重退化状态下曲线模型与正常曲线模型匹配结果,在转辙机功率发生异常波动时,可实现对转辙机故障类型的预测。

基于隐马尔科夫模型的牵引变压器油纸绝缘剩余寿命预测

为考虑动车组车载牵引变压器油纸绝缘老化状态对剩余寿命的影响,本文采用油中溶解气体含量作为反映油纸绝缘老化的特征参量,由于油纸绝缘老化过程中具有动态特性,依据油纸绝缘老化状态与特征参量之间对应的隐藏状态与观测状态建立隐马尔科夫模型。首先通过贝叶斯信息准则确定隐藏状态数目,利用k-Means算法对观测序列进行聚类处理。在此基础上,利用Viterbi算法对观测序列进行状态识别进而确定油纸绝缘老化状态,最后结合比例风险模型确定可靠度函数。通过CRH2型动车组车载牵引变压器油中溶解气体在线监测数据验证模型的准确性,最终得到油纸绝缘的剩余寿命与实际寿命基本相符,从而可为后续制定牵引变压器维修策略提供理论参考。

基于时延嵌入式隐马尔科夫模型的癫痫脑电分类算法

癫痫脑电的分类识别能够为癫痫的预警和病程的发展监测提供强有力的技术支持。传统的癫痫脑电分类识别方法需要从较长的时间序列中提取特征,难以刻画大脑的瞬态变化,检测低效且耗时,降低了癫痫预警的有效性。针对上述问题,提出一种基于隐马尔科夫模型的癫痫脑电分类算法。该方法通过时延嵌入式隐马尔科夫模型(time-delay embedded hidden Markov model,TDE-HMM)对脑电进行状态估计,并提取状态序列中的状态切换特征,通过多层感知机(multiple layer perceptron,MLP)实现对不同癫痫发作阶段脑电的有效辨识。实验结果表明,相较于小波变换、微分熵等传统特征,所提方法准确率高,能够有效刻画癫痫不同阶段的大脑状态变化,为癫痫脑电的分类识别和状态分析提供了新的备选方案。

基于隐马尔科夫模型的滑动窗口投票策略的QRS波群形态识别

QRS波群形态识别是心电异常检测的关键环节,是疾病诊断的主要依据。目前的QRS波群形态识别方法存在识别出的形态较少、对参数敏感等问题。为此,提出一种基于隐马尔科夫的滑动窗口投票策略SWVHMM自动识别QRS波群形态。首先,将每个QRS波群划分成4个波段,对各波段设置滑动窗口提取样本;其次,将各波段波形作为状态,窗口样本聚类后的类簇中心作为观测,构建状态转移受限的隐马尔科夫模型;最后,对待预测波群的各波段窗口组合结果进行投票,识别最可能的波群形态。在专业医生标注的真实数据集上,与现存方法比较,SWVHMM F1值分别提高了5.97%,5.49%和2.27%。这表明SWVHMM不仅能识别多种QRS波群形态,而且准确度更高。

基于隐马尔科夫模型的变电站继电保护设备故障声源定位方法

为了提高变电站继电保护设备故障声源定位精度,提出了基于隐马尔科夫模型的变电站继电保护设备故障声源定位方法研究。利用隐马尔科夫模型的马氏距离,确定声源在不同高度的衰退阶段;根据状态转移的过程,计算继电保护设备的衰退概率;利用数据处理算法预测变电站继电保护设备的性能衰退;利用梅尔频率倒谱系数确定故障声源特征参数,结合离散余弦变换原理,提取声源特征;利用匹配追踪分解法计算故障声源的幅值和时频,聚类分析故障声源信号特征,实现故障声源定位。实验结果表明,所提出的方法在继电保护设备故障声源定位精度上达到80%以上,提高了故障声源定位精度和定位效率,能够保证继电保护设备的稳定运行。

基于隐马尔科夫的受攻击光纤网络活跃节点检测方法

传统的受攻击光纤网络活跃节点检测方法通常是被动式的,只能对攻击发生后的行为进行分析,导致检测受攻击活跃节点在光纤网络中的状态值与实际相差较多,为此研究基于隐马尔科夫的受攻击光纤网络活跃节点检测方法。首先对光纤网络活跃节点信号进行去噪处理,通过去噪信号中的数据生成活跃节点特征向量矩阵,进行活跃节点特征融合,在此基础上建立隐马尔科夫受攻击检测模型,定位受攻击光纤网络活跃节点。实验结果表明:该方法在检测受攻击活跃节点在光纤网络中的状态值与实际相接近,精度更高,具有实际的应用价值。

隐马尔科夫链自适应投影

随着交互式地图技术的兴起,无论从图形渲染角度,抑或是友好浏览体验角度,都产生了巨大的变革。因此,融合先进的图形渲染技术,构建以用户为中心的新型地图可视化模式,才能辅助用户开展浏览分析活动。提出了基于二三维地理信息系统的自适应投影方案,上述方案创新性的以用户偏好和投影特性为控制参数,形成能够有效匹配合适投影的预测模型。实验部分通过控制预设用户偏好及量化投影特性占比,分析了对隐马尔科夫投影预测模型的结果影响及性能,并通过统计采样,从多方面验证了自适应投影模式的可行性。

基于隐马尔科夫模型的电费抄核误差校正系统

为提升电价审核工作效率、明确细小用电误差,提出基于隐马尔科夫模型的电费抄核误差校正系统。系统通过MAX1480B通信接口芯片与上级主站、下级各费率装置间通信联络,以地址逻辑译码GAL16V8B和电路MAX706R,解决攻击发生时系统复位问题;主程序模块利用隐马尔科夫模型,描述状态与观测数据间随机过程和马尔科夫链,将隐性误差随机数据发送到校正模块,计算平均功率,得出相应失压断相时追补电量;使用通信模块的串行口发送校正服务,完成抄核误差校正。实验证明系统校正精度较高,且响应时间短。

基于马尔科夫的计算机网络缓存侧信道攻击检测方法

计算机网络缓存侧信道能够间接体现计算机内部状态以及数据传输情况,其受攻击时,用户端信息数据存在泄露风险,因此提出一种基于马尔科夫的计算机网络缓存侧信道攻击检测方法。构建隐马尔科夫模型,对计算机网络缓存侧信道状态改变的概率进行计算。通过Baum‐Welch算法估计隐马尔科夫模型最优参数,并计算缓存侧信道状态观测序列输出概率。比较缓存侧信道观测序列输出概率与设定的阈值,判断该序列为计算机网络缓存侧信道攻击信号的可能性,并引入平均信息熵判断计算机缓存侧信道状态是否存在异常,完成计算机网络缓存侧信道攻击检测。通过实验验证得出,该方法用于计算机网络缓存侧信道攻击检测的准确率高,误报率低,在遭受DDoS攻击(Distributed denial of service)时的检测时间较短,对计算机网络缓存侧信道攻击的防御与保护产生了积极影响。

隐马尔科夫模型的鱼塘水质评价研究

为了避免在鱼塘养殖中因为水质改善不及时而带来的经济损失,建立一种准确快速的水质评价模型是必要的。本文构建了基于隐马尔科夫的鱼塘水质评价模型,分析了鱼塘水质和鱼的活跃程度之间的关系,通过实验验证了该模型的可行性与正确性。隐马尔可夫模型能够为养殖者从根源上解决鱼塘水质问题提供理论依据,对改善传统依靠传感器直接测量水质指标的繁琐的过程起到了促进作用。

基于隐马尔科夫模型(HMM)与张量分解的两阶段个性化推荐模型与应用

针对个性化推荐系统中用户偏好的进化学习与高维稀疏数据处理的问题。受隐马尔科夫模型(HMM)结构特征启发,提出了一种考虑上下文感知的两阶段用户偏好集推理策略的个性化推荐算法(HHRA算法)。通过对系统历史评分信息的处理,将用户偏好的提取过程抽象为一个HMM模型,来进行第一阶段的用户偏好集学习与推理。然后在此基础上,引入用户的实时上下文信息,构建了一种融入用户实时偏好的张量模型,并基于一种改进的高阶奇异值分解算法来处理高维稀疏的数据集,对模型进行优化求解,生成最优推荐集合。实验设计在3个具有不同特征的真实数据集上将HHRA算法与传统经典推荐算法进行对比分析,结果显示HHRA算法具有较好的适应性和推荐质量。

基于混合高斯隐马尔科夫模型的滑坡发生时间预报

滑坡发生时间预报在防灾减灾工作中非常重要,准确的预报能够有效预防灾害发生可能造成的灾难性结果。为解决当前滑坡预报中仅仅实现对滑坡位移等相关参数的预测和估计,而未最终计算出滑坡发生时间的问题,提出采用混合高斯隐马尔科夫模型(MOG‐HMM)建立滑坡发生时间预报模型,即对滑坡灾害演化过程全周期数据利用混合高斯算法计算出宏观信息预报判据,与隐马尔科夫模型中的状态相匹配,建立滑坡演化状态模型,该模型能够反映全周期数据的多个状态,当需要对实时采集的位移数据进行时间预报时,首先利用解码算法对当前数据解码,即计算出其属于滑坡的哪个状态,然后利用Dijkstra最优路径规划算法,计算出从当前状态到达滑坡发生状态的时间,实现滑坡发生时间预报。通过对新滩滑坡和卧龙寺滑坡灾害全周期数据进行仿真验证,结果表明,本文方法能够比较准确地计算出滑坡发生的时间,同时利用评价指标对预报的结果进行测试,符合预报指标精度要求。

基于变分贝叶斯隐马尔科夫模型的股票价格指数预测

本文将传统的隐马尔科夫模型中用于参数学习的Baum-Welch算法改进为变分贝叶斯算法,并将变分贝叶斯隐马尔科夫模型应用于股票价格指数预测,分别选取国外市场美股S&P500指数以及国内市场沪深300指数进行预测,并与传统的隐马尔科夫模型、BP神经网络、ARIMA模型相比较,得出结论变分贝叶斯隐马尔科夫模型对于大规模数据处理更有优势,运算速度快且预测精度更高。

基于隐马尔科夫模型的非球面磨床误差建模与补偿分析

为解决非球面光学元件加工存在的环带波纹误差问题,阐释数控切线回转成形非球面加工的基本原理,解析速度插补原理的数学建模过程,针对速度插补中速度进给的时基性,提出基于隐马尔科夫模型构建速度前瞻预测模型的方案。以实际非球面加工样件建立隐马尔科夫补偿模型,实验结果表明:基于隐马尔科夫模型的速度前瞻补偿技术可以有效实现速度插补中速度补偿,补偿后速度误差残差降至0.9498,满足非球面数控磨床的加工精度需求。

基于隐马尔科夫的电网大容量功率缺额协调控制方法

在电力系统发生大功率缺额事故时,为实现电网的快速控制,提出基于隐马尔科夫的电网大容量功率缺额协调控制方法。利用隐马尔科夫模型分析模块的多个测量值,评估电网大容量功率缺额状态。根据评估结果,采用自动电压控制与主动电压控制相结合的方法,计算事前变压器的控制优先级,确定该轮参与调节的变压器,调节其功率目标值。通过控制中心发送档位调节指令,实施电网大容量功率缺额协调控制。仿真结果表明:该方法电网状态评估准确率高达98%,仅用25s就恢复电网频率稳态,保证了电网稳定性。

基于POA有向无环图及隐马尔科夫模型的优化PHMM算法

随着基因组计划的实施,大量的基因组数据被测序,如何从海量数据中提取出有用的生物学信息,成为生物信息学研究中的重点。序列比对是生物信息学研究的基本方法和主要手段,目前已经有很多比对算法,但如何提高算法敏感性及准确性,仍旧是一个难题。基于这种情况,本文基于POA有向无环图算法及隐马尔科夫模型,创新性的提出一种新的算法PHMM算法,这种算法打破传统的线性序列比对,采用了一种基于图论的渐进比对算法,对参数选择具有一定先进性。

离散隐半马尔科夫跳跃系统的稳定性

研究了一类离散隐半马尔科夫跳跃线性系统的稳定性问题,通过改进引理,构造合适的Lyapunov函数、利用半马尔科夫核方法和发射概率等技巧。解决闭环系统的稳定性。

基于隐马尔科夫地图匹配算法的公交模型网络构建技术

公交网络模型数据库维护工作难度高、周期长、工作量大,本文基于隐马尔科夫模型地图匹配算法提出一种通用的公交模型网络构建技术,将地图匹配问题转化为有向图的最短路求解问题,可应用于不同层级或不同情景下公交网络模型的移植,降低公交网络模型数据库维护工作难度。本方法应对对不同来源、不同格式的公交线路、站点数据的匹配问题,具有较强的通用性。以珠海市为案例的实验结果表明,该方法准确率在99%以上,单线路的计算时耗平均约20s左右,大幅提高维护公交网络模型数据库的工作效率。

易流态化货物船运风险评判的隐马尔科夫模型

为了预报船载易流态化固体散装货物的风险态势,利用隐马尔科夫模型(HMM),定量化评判船舶营运安全风险。首先确定易流态化货物船舶运输风险的影响因素,构建评判结构模型,采用HMM刻画变量的关联特征;然后通过问卷调查数据和Baum-Welch算法确定模型参数,根据特定的航次信息,结合前向算法和风险衡准描述风险瞬态和风险态势;最后通过建立多场景的模拟航次,检验风险评判模型的有效性。研究表明:航次前阶段货物流态性对船运风险的影响明显,影响度为1.49;后阶段环境恶化对船运风险影响大,影响度高达1.65。

在部分信息下股票收益服从隐马尔科夫模型的最优交易策略

讨论了部分信息下股票支付红利的最优交易策略.考虑一个多种股票模型,股票价格过程满足随机微分方程,股票价格的瞬时收益率由有限状态连续时间的马尔科夫链刻画.在投资者终端财富预期效用最大化目标下,利用隐马尔科夫模型(HMM)滤波理论和Malliavin分析,导出最优交易策略的显式表达式.