10.3969/j.issn.1000-3428.2015.03.032
基于分位数特征提取的时间序列模式分类
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。
分位数、时间序列、模式分类、离心机、振动信号、小波
TP391.4(计算技术、计算机技术)
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。
2015-04-03(万方平台首次上网日期,不代表论文的发表时间)
共5页
167-171