采用T^2统计量和拟合优度的盲频谱感知算法

针对低信噪比和采样数少时频谱感知性能差的问题,首先利用样本检验矩阵的样本特征构造T2统计量,再结合似然比准则构造新的检验统计量,最后推导了频谱空闲时检验统计量的概率密度函数,提出基于贝塔分布的盲频谱感知算法。但此算法在采样数较少时,检测性能较差,因此结合Anderson-Darling准则,提出基于贝塔分布的拟合优度检验算法。在高斯信道和瑞利衰落信道下对所提算法进行仿真,并与已有盲频谱感知算法仿真结果进行对比,所提算法具有更好的检测性能,且不需要主用户信息,不用进行特征分解,不受噪声方差影响。

改进的T^2-BIC说话人二级分割算法

针对传统T2-BIC算法累积误差较大、召回率不高的问题,提出一种改进的T2-BIC说话人二级分割算法。第1级采用改进的滑动窗口检测搜索窗中的T2统计量峰值,利用贝叶斯信息准则(BIC)对峰值进行确认,第2级利用分步解决的思想处理由于BIC可信度过低而漏选的分割点。实验结果表明,与同类算法相比,该算法分割效果较好,准确率、召回率和综合性能都有所提高。

基于T^2统计量的Phase Ⅰ线性轮廓局部变化变点识别方法

研究Phase Ⅰ线性轮廓的局部数据发生变化时的变点识别问题。通过分割轮廓,将各段轮廓特征值视为多元变量,结合T2统计量设计变点识别方法。仿真性能比较研究的结果表明当线性轮廓的斜率或截距出现局部变化时,新方法的变点识别能力优于现有方法。因此本方法是一种有效识别线性轮廓局部变点的Phase Ⅰ分析工具。

基于多元质量控制限的卷烟均质化评价方法研究

为探讨多点生产卷烟产品多指标相似性评价方法,对2个卷烟品牌A(三类烟)、B(四类烟)在2009～2010年的常规质量检测数据中的三个烟气成分指标(焦油、烟气烟碱、CO),进行相似性评价,计算其马氏相似系数和Hotelling T2统计量.通过建立两个品牌马氏相似系数与Hotelling T2统计量之间的曲线回归模型,确定出两个牌号各生产厂家相似性控制限的置信水平和σ倍数.结果表明:A牌号(三类烟)各生产厂家在焦油、烟气烟碱和CO三个指标上的相似性控制限置信水平为0.999 999 998 985 879,σ为6.107 171 74倍;B牌号(四类烟)各生产厂家在焦油、烟气烟碱和CO上的相似性控制限置信水平为0.999 999 999 517,σ为6.224 531倍.该相似性控制限的提出为多点生产卷烟产品多指标相似性评价提供方法.

基于相对主元分析的动态数据窗口故障检测方法

传统主元分析方法量纲标准化后常常无法进行有效的主元提取。基于相对主元分析故障检测方法,其控制限只与保留的主元个数和置信度有关,因而不能满足时变、非稳定的过程监控要求。针对这些问题,本文提出了基于相对主元分析的动态数据窗口故障检测方法,该方法通过引入一个权值将传统构建控制限的方法和动态数据窗口相结合。最后应用到风力发电系统故障检测中,有效地检测出故障,并减少了误报情况。

基于改进豪斯多夫距离的非参数轮廓变点识别

轮廓监控中的变点识别问题是统计过程控制的重要研究内容。以非参数轮廓数据为研究对象,运用图像特征识别的豪斯多夫距离测量了样本轮廓之间的特征差异,设计了改进方法,提出了基于二维空间的改进豪斯多夫距离算法,以识别非参数轮廓变点。大量的仿真与论证表明,改进方法在识别变点位置和稳定性方面具有优异的性能。

主元分析在航空发动机关键系统状态识别中的应用

针对航空发动机结构复杂、运行工况恶劣、监测参量众多等因素,导致对其健康状态难以准确识别问题,提出了基于主元分析的健康状态识别监测方法;首先,对通过专业试验平台采集的试验数据进行预处理,在此基础上,采用主元分析方法对其进行深入分析,运用主元贡献率计算主元个数,并据此构建状态识别模型,确定T2统计量和SPE统计量;以确定的T2统计量和SPE统计量作为航空发动机气路系统状态健康与异常识别的标志,对航空发动机气路系统健康与否进行识别研究;研究结果表明,该方法可以很好识别出航空发动机气路系统的运行状态,对航空发动机实际运行状态的识别具有重要的工程应用价值。

风力发电机温升故障预警方法研究

针对传统PCA在解决变量重要性差异很大问题时的局限性,提出一种结合relief F算法和加权主元算法的方法。该方法首先采集张家口某风场5月某段时间内风力发电机组运行数据并建立数据集,通过relief F算法确定权值向量W,进而使用加权主成分分析法建立正常工作状态下发电机温度模型。利用该模型对同一机组另一段时间运行数据进行故障检测,通过对统计量HotellingT^2(简称T^2)和平方预测误差(简称SPE)的趋势分析最终确定机组运行状态。实验结果表明,提出的方法准确预测出了发电机的温升故障,并减少了误报情况。

改进块式递推偏最小二乘建模方法及应用

针对传统偏最小二乘(PLS)模型的在线更新问题,提出了带有自适应遗忘因子的块式递推PLS建模方法.通过Hotelling-T2和Q统计量确定遗忘因子的大小,并且进行模型递推更新,确保模型跟踪过程特性的变化.将所提出的方法应用于管坯斜轧穿孔能耗过程,表现出较强的模型在线更新能力.测试结果表明,带有自适应遗忘因子的块式递推PLS方法的性能优于传统的迭代偏最小二乘方法的性能.