亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于LMD模糊熵的遙測振動信號異常檢測方法

        2017-02-08 21:21:32王垚何府強
        教育教學論壇 2017年1期
        關鍵詞:異常檢測

        王垚+何府強

        摘要:針對遙測振動信號頻域成份復雜、非平穩(wěn)非線性和強噪聲特性,提出一種基于局部均值分解(Local Mean Decomposition,LMD)模糊熵的遙測振動信號異常檢測方法。實測數據驗證了該方法的有效性。

        關鍵詞:遙測振動信號;模糊熵;異常檢測

        中圖分類號:G642.4 文獻標志碼:A 文章編號:1674-9324(2017)01-0200-03

        其中,參數m,r,N分別為相空間維數、相似容限度、非線性序列長度,m表征非線性系統(tǒng)所拓展的相空間維度的大小,m的選擇直接關系能否精確的重構系統(tǒng)的動態(tài)演化過程。相似容限r的選擇關系到FuzzyEn(m,r,N)的計算精度,如果取值過大將對導致時間序列包含信息的丟失,而取值太小則會增加FuzzyEn(m,r,N)計算結果對噪聲的敏感性。在后面的實驗中,本文將對FuzzyEn算法在不同的相空間維數m和相似容限r條件下與ApEn和SampEn算法的性能作對比測試,分析各算法性能并確定m和r的取值。

        三、基于LMD-FuzzyEn的遙測振動信號異常檢測方法

        1.首先對采集到的遙測振動信號進行零漂修正和趨勢項消除,然后采用LMD方法對信號進行多尺度分解,得到若干分量,計算各分量與原信號的相關系數,將相關系數低于0.01的分量認定為虛假分量剔除;

        2.由于各樣本經LMD分解后得到的PF分量數目不等,對各樣本進行LMD分解,然后選擇樣本分解分量最少的PF數目作為測試分量數目,記為L;

        3.采用公式(11)-(17)計算各樣本及其前L個PF分量的模糊熵;

        4.利用各樣本及其前L個PF分量的模糊熵FuzzyEn(m,r,N)構建信號特征向量;

        5.將第4)步構建的模糊熵特征向量作為訓練樣本輸入SVM分類器進行訓練,SVM的核函數采用徑向基核函數(RBF),采用n-fold cross validation法[9]對RBF的兩個參數Gamma和懲罰因子C進行選??;

        6.將測試樣本的特征向量輸入到SVM分類器,通過分類器的輸出值對遙測振動信號進行異常檢測,如輸出值為1表示信號正常,否則為異常。

        四、實測數據分析

        實驗1:FuzzyEn算法在不同的相空間維數m和相似容限r條件下與ApEn和SampEn算法的性能作對比測試:

        1.r=0.25×SD時,采用不同的m對ApEn、SampEn和FuzzyEn算法性能進行測試;

        2.m=2時,采用不同的r對ApEn、SampEn和FuzzyEn算法性能進行測試。

        SD為振動信號時間序列的標準差,測試信號采用某次試驗任務采集的遙測高頻振動信號,信號長度N=1192,采樣頻率為5KHz,實驗結果顯示,ApEn算法只在m≤2,r≥0.2×SD時有效,當m≥3或r<0.2×SD時即出現錯誤的測度值,由此可見ApEn算法對m和r的取值最為敏感;SampEn算法的性能較ApEn算法有所提高,但連續(xù)性和穩(wěn)定性差,當m>6時SampEn算法的熵測度值出現無意義的ln0的情況,導致算法不連續(xù),穩(wěn)定性較差,但對r的取值不敏感;FuzzyEn算法熵測度值隨著m和r的增大逐漸趨于穩(wěn)定,當m=10時仍能對信號的復雜度進行測量,敏感性、依賴性方面優(yōu)于ApEn和SampEn算法。根據實驗結果,當m=2或3時,FuzzyEn算法對信號復雜度的變化更敏感,且計算量適中,由于r的取值直接關系到熵測度的計算精度和信號信息的完整性,取值不宜過大,從實驗結果看r的取值在[0.25 0.35]范圍內較為合適,對于信號長度的取值,經研究發(fā)現,N的取值在[100 5000]范圍內可以得到較為準確的熵測度。

        實驗2:為驗證文中提出方法的有效性,對只采用原信號FuzzyEn作為特征值與采用LMD-FuzzyEn特征向量的遙測振動信號異常檢測方法的性能進行對比測試,采用某型飛行器12次飛行試驗同一位置的傳感器采集的遙測振動信號樣本進行處理驗證。采樣頻率為5kHz,m=2,r=0.3×SD,N=2384,其中某一故障樣本的時域波形及其LMD分解如圖1所示。

        計算經預處理后各樣本分解分量與原信號的相關系數,利用相關系數剔除虛假分量,然后選擇樣本分解分量最少的PF數目作為測試分量數目,實驗中L=5,各樣本及其前5個PF分量的模糊熵FuzzyEn(m,r,N):隨機抽取3個正常信號和4個異常信號樣本的FuzzyEn特征值和LMD-FuzzyEn特征向量分別作為訓練樣本輸入到SVM分類器進行訓練,經過實驗當RBF核函數的兩個參數Gamma=2.1,C=1.7時SVM分類準確率最高。剩余的5個樣本的特征向量作為測試樣本進行異常檢測,異常檢測結果得出:僅采用原信號的FuzzyEn作為特征值的異常檢測方法在對測試樣本7和11進行分類是出現錯誤,從原信號的模糊熵值可以看出,各樣本的FuzzyEn(m,r,N)值相互重疊,因此采用原始遙測振動信號模糊熵作為特征值是不能對振動信號異常進行準確檢測的。而基于LMD-FuzzyEn特征向量的異常檢測方法對所有測試樣本均作出了正確的分類,在小樣本的情況下異常檢測準確率達到了100%,因此可以得出結論該方法可以更為細致的對信號非平穩(wěn)程度和動態(tài)變化情況進行檢測。

        五、結論

        提出一種基于LMD-FuzzyEn的遙測振動信號異常檢測方法,依據LMD自適應多尺度分解和模糊熵理論,可以細致地可以捕獲到遙測振動信號的非平穩(wěn)程度以及在不同尺度下動態(tài)變化的復雜度,同時采用SVM分類器對振動信號的狀態(tài)進行分類,有效的解決了小樣本條件下振動信號的異常檢測問題。實測信號的分析結果表明,該方法能夠有效地運用于遙測速變信號的異常檢測,同時亦可以推廣到其他異常檢測和故障辨識領域。

        參考文獻:

        [1]程軍圣,張亢,楊宇,等.局部均值分解方法與經驗模式分解的對比研究[J].振動與沖擊,2009,28(5):13-16.

        [2]Smith J S.The local mean decomposition and its application to EEG perception data[J].Journal of the Royal Society Interface,2005,2(5):443-454.

        [3]楊德昌,唐巍,屈瑞謙,等.基于改進局部均值分解的低頻振蕩參數提取[J].中國電機工程學報,2013,33(4):135-140.

        [4]黃林洲,郭興明,丁曉蓉.EMD近似熵結合支持向量機的心音信號識別研究[J].振動與沖擊,2012,31(19):21-25.

        Anomaly Detection Method of Telemetry Vibration Signal Based on LMD Fuzzy Entropy

        WANG Yao,HE Fu-qiang

        (Chinese People's Liberation Army 91913,Dalian,Liaoning 116041,China)

        Abstract:For telemetering vibration signal frequency components of the complex,non stationarity and nonlinearity and strong noise characteristics,puts forward a based on local mean decomposition (local mean decomposition (LMD) fuzzy entropy of telemetering vibration signal anomaly detection method. The measured data verify the validity of the method.

        Key words:telemetry vibration signal;fuzzy entropy;anomaly detection

        猜你喜歡
        異常檢測
        基于模式匹配與機器學習的異常檢測模型
        一種基于隨機空間樹的數據流異常檢測算法
        基于ELK的電力信息監(jiān)控日志審計系統(tǒng)實現
        基于度分布的流量異常在線檢測方法研究
        軟件導刊(2016年11期)2016-12-22 21:59:46
        無線Mesh網絡安全性研究
        無線Mesh網絡基礎知識
        淺談燃氣輪機排氣溫度異常檢測及診斷
        一種基于異常入侵檢測的報警融合技術
        計算機時代(2016年8期)2016-08-16 09:50:01
        基于計算機視覺的人群異常事故檢測系統(tǒng)
        卷宗(2016年4期)2016-05-30 11:01:28
        基于鼠標行為的電子商務中用戶異常行為檢測
        久久精品成人亚洲另类欧美| 国产精品无码久久久久久| 国产zzjjzzjj视频全免费| 91超碰在线观看免费| 热综合一本伊人久久精品| 无码人妻久久久一区二区三区| 亚洲国产成人久久综合下载| 91亚洲国产成人aⅴ毛片大全| 午夜日本理论片最新片| av剧情演绎福利对白| 日夜啪啪一区二区三区| 久久免费区一区二区三波多野在| 91亚洲国产成人久久精品网站| 亚洲精品中文字幕乱码影院| 亚洲人午夜射精精品日韩| 亚洲亚洲网站三级片在线| 久久这黄色精品免费久| 999zyz玖玖资源站永久| 午夜成人理论无码电影在线播放| 亚洲是图一区二区视频| 日本女同视频一区二区三区| 色综合久久中文娱乐网 | 91盗摄偷拍一区二区三区| 国产精品综合色区在线观看| 亚洲国产综合人成综合网站| 美女叉开双腿让男人插| 国内自拍色第一页第二页| 无码人妻av一二区二区三区| 国产精品自产拍在线18禁| 国产精品成年人毛片毛片| 艳妇臀荡乳欲伦交换h在线观看| 播放灌醉水嫩大学生国内精品| 亚洲一区二区情侣| 中文字字幕在线中文乱码解| 亚洲视频在线观看一区二区三区| 久久久久亚洲av成人无码| 精品第一页| 中文无字幕一本码专区| 国产精品专区第一页天堂2019| 亚洲欧洲精品无码av| 国产精品九九久久一区hh|