版权说明 操作指南
首页 > 成果 > 详情

基于分位数特征提取的时间序列模式分类

认领
导出
下载 Link by 中国知网学术期刊 Link by 万方学术期刊
反馈
分享
QQ微信 微博
成果类型:
期刊论文
作者:
管河山;王谦;唐德文
作者机构:
[管河山; 王谦] 南华大学经济管理学院
[唐德文] 南华大学机械工程学院
语种:
中文
关键词:
分位数;时间序列;模式分类;离心机;振动信号;小波
关键词(英文):
time sequence;pattern classification;centrifugal machine;vibration signal;wavelet
期刊:
计算机工程
ISSN:
1000-3428
年:
2015
卷:
41
期:
3
页码:
167-171
基金类别:
湖南省博士后基金资助项目(2012RS4026) 南华大学校博士启动基金资助项目(2009XQD03)
机构署名:
本校为第一机构
院系归属:
机械工程学院
管理学院
摘要:
高速运行的离心机设备,其振动状态检测数据通常呈现出明显的非线性、正态分布和大样本的特征,数据波动的随机性使得其趋势特征难以捕捉。为此,提出一种新的时间序列模式分类方法。采集离心机设备运行状态的振动信号时间序列进行分析,根据对称原理提取序列数据的分位数,构建特征向量,采用欧氏距离函数构建相似性度量,建立模式分类的判定依据,使用k-means 分类算法实现状态模式的自动分类。仿真结果表明,该方法能有效区分离心机设备运行中空载和负载的模式状态,且比传统的小波分析模式分类方法更加准确。
摘要(英文):
The vibration state detection data from the centrifuge equipment in high-speed operation usually presents obvious nonlinearity,normal distribution and the characteristics of large sample,and random fluctuations in the data make it difficult to capture the trend characteristics. In this paper,time sequence theory is used to analyze the vibration signal data gathered from the running centrifuge equipment. It uses the quantile of the sequence data to build the feature vector according to the symmetrical principle,and introduces the Euclidean distance function to construct similarity measure,and t...

反馈

验证码:
看不清楚,换一个
确定
取消

成果认领

标题:
用户 作者 通讯作者
请选择
请选择
确定
取消

提示

该栏目需要登录且有访问权限才可以访问

如果您有访问权限,请直接 登录访问

如果您没有访问权限,请联系管理员申请开通

管理员联系邮箱:yun@hnwdkj.com