在工业物联网的某些故障诊断场景中,由于缺少电信网络覆盖,采集信号通过远距离无线电(Long Range Radio,LoRa)技术实现无线可靠回传,但其较低的传输速率会限制故障诊断的精度。针对LoRa窄带宽的技术限制,提出了采样频率和量化分辨率固...在工业物联网的某些故障诊断场景中,由于缺少电信网络覆盖,采集信号通过远距离无线电(Long Range Radio,LoRa)技术实现无线可靠回传,但其较低的传输速率会限制故障诊断的精度。针对LoRa窄带宽的技术限制,提出了采样频率和量化分辨率固定条件下的时域信号非均匀量化方案。首先,通过建立基于核密度估计(Kernel Density Estimation,KDE)的非参数拟合模型,重点研究了带宽受限场景中合适的核函数类型和带宽确定准则,拟合生成传感信号幅度的概率密度函数(Probability Density Function,PDF)。其次,以PDF为输入,以最小化量化噪声为目标函数,通过非线性规划,输出最佳的一组非均匀量化电平值。其特点在于针对出现频次最高的时域幅度,采用更小的量化间隔,实现量化噪声的最小化。最后,以轴流风机状态检测为例进行了实验,结果表明,基座松动和轴承故障对量化电平的影响更大。随着量化分辨率的增加,KDE量化逐渐趋近均匀量化,相较于高斯量化的优势逐渐缩小。因此,提出的KDE量化方案适合窄带宽条件下的非均匀量化,可提高信道利用率,并在传输带宽和量化噪声之间取得折中。展开更多
针对冰雹检测方法中大量带标签数据不易获取的问题,本文提出一种基于核密度估计(Kernel Density Estimation,KDE)的贝叶斯模型冰雹检测方法,利用大量无标签数据和少量带标签数据,根据概率对冰雹进行检测。该方法首先根据大量无标签数据...针对冰雹检测方法中大量带标签数据不易获取的问题,本文提出一种基于核密度估计(Kernel Density Estimation,KDE)的贝叶斯模型冰雹检测方法,利用大量无标签数据和少量带标签数据,根据概率对冰雹进行检测。该方法首先根据大量无标签数据的密集程度将其初步分成若干集合,然后每个集合采用高斯核密度函数以及最佳固定带宽值,计算得到每个集合的类条件概率,其次利用少量带标签数据以及降水粒子的融化层信息建立类先验概率,最后根据每个集合的最大后验概率匹配降水粒子类型,实现冰雹与其他降水粒子类型的检测结果。通过实测数据对模型的验证结果表明,该方法能够较好的实现冰雹检测。展开更多
文摘在工业物联网的某些故障诊断场景中,由于缺少电信网络覆盖,采集信号通过远距离无线电(Long Range Radio,LoRa)技术实现无线可靠回传,但其较低的传输速率会限制故障诊断的精度。针对LoRa窄带宽的技术限制,提出了采样频率和量化分辨率固定条件下的时域信号非均匀量化方案。首先,通过建立基于核密度估计(Kernel Density Estimation,KDE)的非参数拟合模型,重点研究了带宽受限场景中合适的核函数类型和带宽确定准则,拟合生成传感信号幅度的概率密度函数(Probability Density Function,PDF)。其次,以PDF为输入,以最小化量化噪声为目标函数,通过非线性规划,输出最佳的一组非均匀量化电平值。其特点在于针对出现频次最高的时域幅度,采用更小的量化间隔,实现量化噪声的最小化。最后,以轴流风机状态检测为例进行了实验,结果表明,基座松动和轴承故障对量化电平的影响更大。随着量化分辨率的增加,KDE量化逐渐趋近均匀量化,相较于高斯量化的优势逐渐缩小。因此,提出的KDE量化方案适合窄带宽条件下的非均匀量化,可提高信道利用率,并在传输带宽和量化噪声之间取得折中。
文摘针对冰雹检测方法中大量带标签数据不易获取的问题,本文提出一种基于核密度估计(Kernel Density Estimation,KDE)的贝叶斯模型冰雹检测方法,利用大量无标签数据和少量带标签数据,根据概率对冰雹进行检测。该方法首先根据大量无标签数据的密集程度将其初步分成若干集合,然后每个集合采用高斯核密度函数以及最佳固定带宽值,计算得到每个集合的类条件概率,其次利用少量带标签数据以及降水粒子的融化层信息建立类先验概率,最后根据每个集合的最大后验概率匹配降水粒子类型,实现冰雹与其他降水粒子类型的检测结果。通过实测数据对模型的验证结果表明,该方法能够较好的实现冰雹检测。