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。

基于隐马尔可夫模型的高速公路路由算法

在VANET高速公路场景中,由于车辆高速运动导致车辆和车辆、车辆和RSU之间所构成的网络拓扑频繁改变,使得绝大多数路由协议需要及时更新自己的邻居表来指定路由。针对邻居选择错误会导致数据不断重发、传输时延高且不可靠等现象,文章提出SDN-NDHM算法解决邻居选择错误的问题。算法利用典型的GPSR算法思想,运用HMM来预测高速运动节点的下一时刻位置信息,并且利用SDN来修正预测值、集中管理和调度网络资源。通过MATLAB的仿真实验表明,该算法与经典的GPSR改进算法相比能更好判断车辆节点的加入和离开,并且拥有更好的平均邻居正确率和更高的吞吐量。

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。

基于支持向量机与隐马尔可夫模型的冲浪运动员动作识别研究

2016年8月,国际奥委会正式宣布冲浪运动成为东京奥运会正式比赛项目,给冲浪运动的发展带来了巨大机遇。动作识别作为人工智能技术赋能体育的重要应用,通过在时域上跟踪关键点运动以记录运动员的运动动作,并将其转换为数学方式表达运动过程,对于竞技训练和全民健身均具有重要意义。本研究采用惯性测量单元(IMU)采集数据样本,并通过支持向量机(SVM)模型和隐马尔可夫(HMM)模型两种机器学习方法对冲浪运动员动作识别的结果进行了比对。结果表明:SVM模型(精度83.4%)与HMM模型(精度91.4%)均能够有效地进行冲浪运动员的动作识别,但与SVM模型相比,HMM模型的分类精度更高。该算法实现了对冲浪过程中佩戴的IMU输入数据进行时变运动分类,为同步视频关联的非传统体育运动项目动作识别提供了一种新方法和新应用。

基于隐马尔可夫模型的半结构化文本信息抽取研究

随着互联网和信息技术的快速发展,大量的文本数据在互联网上被生成和存储,这些文本数据包含了丰富的信息。然而,大部分文本数据都是半结构化的,即数据的组织结构不完整或不规则,不适合直接进行分析和处理。因此,半结构化文本信息抽取成为了一个重要的研究领域,文章基于隐马尔科夫模型对半结构化文本信息的抽取进行研究。

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。

基于双层隐式马尔科夫模型的驾驶意图辨识

构建了一种双层隐式马尔科夫模型结构,用于实时辨识驾驶员复合工况下的驾驶意图,并在驾驶模拟器上对坡道起步、紧急避障和弯道制动等复合工况进行了验证。结果表明,该模型可准确、高效地辨识各个单一和复合工况下的驾驶意图,为线控汽车的集成控制奠定基础,提高线控汽车的安全性和减轻驾驶员负担。

主分量分析和隐马尔科夫模型结合的轴承监测诊断方法

为了快速识别轴承的故障模式以及性能退化状态,提出了一种基于主分量分析和隐马尔科夫模型的轴承监测诊断方法。该方法首先提取了轴承振动信号的混合域故障特征集,使用主分量分析对混合域故障特征集降维,然后使用降维后的特征训练隐马尔科夫模型,最后用降维后的测试样本测试模型的性能,根据隐马尔科夫模型输出的对数似然概率,确定轴承故障模式以及轴承的性能退化状态。开展了不同状态滚动轴承振动测试实验,数据分析结果表明,提出的方法诊断准确率均能达到100%,相比基于补偿距离选择特征降维及隐马尔科夫模型诊断方法,最高将分类离散度提高123.74%,并且在轴承的性能退化实验中,提出的方法能在故障早期给出故障预警,证明了该方法的有效性和准确性。

基于隐马尔科夫模型和神经网络的入侵检测研究

针对目前的基于隐马尔科夫模型的入侵检测和基于神经网络入侵检测各自的不足之处,提出一种基于隐马尔科夫模型和神经网络的混合入侵检测方法。主要是从网络协议的角度入手,把TCP数据包作为分析对象,给出一种确定观察值的方法,把隐马尔科夫模型的输出作为神经网络的输入,神经网络的输出是最终的结果。最后通过实验证明了此混合入侵检测方法比单独使用隐马尔科夫模型或者是单独使用神经网络的检测方法有更低的误报率和漏报率。

基于隐马尔科夫模型的汉语韵律词基频模型

提出了一种基于隐马尔科夫模型（HMM）的汉语韵律词的统计基频模型。模型能反映韵律环境和基频曲线参数之间的映射关系,从模型可以估计一段基频曲线和一段文本之间的相关度,也可以从文本生成相应的基频曲线。本方法使用HMM作为基木框架,具有HMM理论体系所能支配的各种优点。同时将韵律作为模型单元,使得模型能够反映韵律层次级的连续变调。最后给出了实验结果并对模型的应用前景进行了展望。

基于离散隐式马尔科夫模型的局部放电模式识别

利用绝缘试品在升、降压过程中的视在放电量-施加电压序列作为局部放电特征量,并将离散隐式马尔科夫模型分类器引入局部放电模式识别的研究中。该算法首先利用矢量量化方法通过对码本生成样本集进行LBG编码构造码本,并分别对各类放电的训练和测试样本分配码本索引序列。在分类器的训练阶段,输入训练样本序列训练得到每类放电的离散隐式马尔科夫模型。在测试阶段,计算每类离散隐式马尔科夫模型输出测试样本序列的概率,取最大概率对应的模型序号作为识别结果。对5类放电的150个样本的识别结果表明,离散隐式马尔科夫模型具有识别率高、易扩展的优点。

基于小波域多状态隐马尔科夫树模型的自适应文本图像分割算法

本文针对文本图像首先提出了一种基于小波域多状态隐马尔科夫树模型的自适应文本图像分割算法(Context-Adapted wavelet-domain Hidden Markov Tree,简称为CAHMT),该算法具有较高的分割质量和较低的计算复杂度.其次,为了进一步提高CAHMT算法分割的效果,将该算法与微分算子、尺度系数相结合提出了两种新的文本图像分割算法.最后通过实例阐明了这些算法的有效性.

连续隐半马尔科夫模型在轴承性能退化评估中的应用

连续隐半Markov模型(Continuous hidden semi-Markov model,CHSMM)是隐Markov模型(Hidden Markov model,HMM)的一种扩展形式,可用于时间序列过程的动态建模。通过加入状态分布参数并对多组观测值进行连续化,可加强模型对新观测值的处理能力以及对状态驻留时间的建模能力。利用该方法建立了轴承性能退化的评估模型。首先,分析振动信号并提取频带能量作为退化特征;然后将正常状态下的特征样本作为模型的观测值对CHSMM进行训练;最后将待测的特征样本输入模型,得到待测样本相对于所建立正常模型的输出概率,作为轴承性能退化状态的标志。轴承疲劳寿命试验结果表明:所提的评估模型能较好地刻画轴承性能退化的过程,并能在早期对轴承的性能退化做出预警。