基于分位数特征提取的时间序列模式分类

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。

关键词：分位数、时间序列、模式分类、离心机、振动信号、小波

分类号：TP391.4(计算技术、计算机技术)

资助基金：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。

在线出版日期：2015-04-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：167-171