【摘 要】
：
基于深度学习的方法解决微小故障已经取得了很大的进展和很好的效果,但是前提要有充足的样本数据,在现有的情况下却难以实现.所以基于传统的数据预处理的故障诊断方法仍然有很好的必要性和现实性.主元分析(Principal Component Analysis,PCA)被广泛应用在故障诊断中,由于传统的数据预处理方法各有优势和不足,造成特征提取不准确,为此该文提出了一种基于数据变化率(Rate Of Change,ROC)的数据预处理方法以提高PCA在故障诊断中的性能指标.通过变化率变换对原始数据集预处理后,能够有
【机 构】
：
杭州电子科技大学自动化学院,浙江杭州310018;广东石油化工学院自动化学院,广东茂名525000
论文部分内容阅读
基于深度学习的方法解决微小故障已经取得了很大的进展和很好的效果,但是前提要有充足的样本数据,在现有的情况下却难以实现.所以基于传统的数据预处理的故障诊断方法仍然有很好的必要性和现实性.主元分析(Principal Component Analysis,PCA)被广泛应用在故障诊断中,由于传统的数据预处理方法各有优势和不足,造成特征提取不准确,为此该文提出了一种基于数据变化率(Rate Of Change,ROC)的数据预处理方法以提高PCA在故障诊断中的性能指标.通过变化率变换对原始数据集预处理后,能够有效地检测系统变量中的微小故障.最后,通过仿真验证基于数据变化率的PCA故障诊断方法的可行性和有效性.
其他文献
在深入分析现有各主流低照度图像增强(Low Light Image Enhancement,LLIE)算法的基础上,提出了一种采用两阶段混合策略实现的低照度图像增强(Hybrid LLIE,HLLIE)算法.具体地,在第一阶段,对于给定的低照度图像,利用互补效果较好的Fu和Ying两个主流LLIE算法分别对其进行增强预处理,所得到的两张增强后图像称为初步增强图像;在第二阶段,将所得到的两张初步增强图像输入到预先训练好的多通道浅层卷积神经网络(Multi?channel Shallow Convolutio
身份-矢量(identity-vector,i-vector)方法作为说话人确认领域中的主流方法之一,能够通过学习总变化空间来获取有效的低维说话人特征——i-vector特征.但是当开发集数据不充足时,会导致学习到的总变化空间模型误差较大;同时,还无法有效确认此时的总变化空间是否因为预先设置的维度过高而学到了冗余信息.为此,本文将贝叶斯主成分分析(Bayesian Principal Component Analysis,BPCA)引入总变化空间的学习过程中,利用其来为总变化空间引入更多的先验信息,从而对
在移动边缘计算中(Mobile Edge Computing,MEC),任务卸载可以有效地解决移动设备资源受限的问题,但是将全部任务都卸载到边缘服务器并非最优.本文提出一种面向移动边缘计算的多用户细粒度任务卸载调度新方法,把计算任务看作一个有向无环图(Directed Acyclic Graph,DAG),对节点的执行位置和调度顺序进行了优化决策.考虑系统的延迟把计算卸载看作一个约束多目标优化问题(Constrained Multi-object Optimization Problem,CMOP),提出
动车在高速行驶中,齿轮箱轴承易发生裂纹、点蚀等故障.为了在故障发生的初期检测出微弱的故障频率成分,本文提出了一种基于小波降噪预处理的周期势振动共振的轴承故障诊断方法.利用小波包提取轴承的固有共振频带,重构提取出的信号,滤除其中的强噪声干扰,随后将信号输入周期势振动共振系统,增强了故障特征.同时,本文建立了考虑振动共振系统中高频激励信号幅值的优化模型,并采用蚁群算法实现了其参数的自适应优化,得到输出信号后将其转化到频域分析,从而检测出轴承早期故障.实例分析表明,所提方法的数据处理结果相比单独采用随机共振的结
基于UMC 65nm CMOS工艺设计实现了一种快速建立的低噪声带隙基准源.利用工作在深线性区的MOS管实现了GΩ级别大电阻,因此仅采用5pF的电容即实现了截止频率低至32Hz的带开关低通滤波器,有效降低了带隙基准源输出噪声.有源器件的采用大大节省了芯片面积,降低了制作成本.通过采用上电延时电路去控制低通滤波器工作状态,克服了采用大阻值电阻或大容值电容低通滤波器降噪面临的缓慢建立问题,实现了快速建立.通过Spectre仿真器对电路在1.8V电源电压下进行了仿真,后仿真结果表明,电路在10kHz、100kH
依托于多模型框架的跳变马尔可夫系统状态估计的性能通常受限于多模型间的信息融合程度.本文以交互式多模型方法为框架,针对跳变马尔可夫系统提出了一种基于最大混合相关熵的状态估计方法.为了能有效处理模型高阶信息,在混合和融合步骤引入最大混合相关熵测度替代常规的二阶统计矩准则,设计了关于系统状态的代价函数,通过最优化该函数得到状态估计的迭代解.仿真实验详尽展示了所提方法的主要特征,并表明其在高斯和非高斯噪声环境下都具有较好的估计效果.
目前约束高维多目标进化算法大多注重提高收敛精度,而收敛速度相对较慢.为提高算法的收敛速度,提出一种基于角度信息的约束高维多目标进化算法.该算法提出基于角度违反度函数的选择操作,依据动态的收敛性和分布性直接选择较优个体,提高收敛速度;此外,提出了基于差分进化算法的交叉操作,在不同的进化阶段选用不可行解参与交叉操作,补偿收敛精度.在标准测试函数集C-DTLZ上进行仿真实验,并与当前国内外性能优异的4种约束高维多目标进化算法进行对比,证明了本文算法收敛精度保持良好,而收敛速度得到了提升,且目标维数越高提升效果越
为了提升自动驾驶车辆的感知效率和准确率,解决协同感知算法中对协同条件的限制和多源数据融合等问题,本文引入基于激光雷达的即时定位与建图(Simultaneous Localization and Mapping,SLAM)算法,提出面向自动驾驶的多车协同SLAM框架.首先,车辆运行单车SLAM,构建本地约束并共享地图和位姿数据.同时车辆接收并处理其他车的数据,若其他车辆与本车已建立坐标系转换关系则直接完成数据融合,否则基于重叠区域相似点云配准解算多车坐标系转换关系.采用图的连通分支和生成森林理论跟踪数据融合
随着量子信息领域的迅猛发展,通过实时调控量子系统的状态来控制量子态的相干与演化成为一个迫切需要解决的问题.本文研究动态双洛伦兹库对激发态原子布局数的调控,利用环境库的变化对原子系统相干性演化进行调制.讨论双洛伦兹库环境中心频率不同的动态调制形式对原子布局数演化的影响,选取双洛伦兹库环境中心频率的调制形式分别为:单次矩形脉冲、周期矩形脉冲、组合矩形脉冲和阶梯型矩形脉冲.双洛伦兹环境库的中心频率受到不同的动态环境库调制,系统的相干性演化在外力影响下得到了高效的保护和操纵,都能较好的实现可操控的量子态的相干性演
安全多方计算(MPC)是密码学的一个重要研究方向.保密计算第k小元素是一个重要的MPC问题(简称k-min问题).k-min值MPC协议在保密的投票选举,保密的招投标以及保密的数据统计分析等方面具有广泛应用.目前k-min问题的MPC解决方案大都需要多次调用保密求和协议以及比较协议,协议效率较低.也有一些协议基于移动网络通信应用设计,无法解决MPC应用问题.本文提出新的编码方式,以此为基础并结合Lifted ElGamal门限密码系统设计了简单高效的k-min值MPC协议,应用模拟范例严格证明了协议的安全