基于动态时间规整和自适应顺序形态变换分类的故障诊断方法-论文.pdf

基于动态时间规整和自适应顺序形态变换分类的故障诊断方法-论文.pdf

ID:58138454

大小:623.50 KB

页数:6页

时间:2020-04-24

基于动态时间规整和自适应顺序形态变换分类的故障诊断方法-论文.pdf_第1页
基于动态时间规整和自适应顺序形态变换分类的故障诊断方法-论文.pdf_第2页
基于动态时间规整和自适应顺序形态变换分类的故障诊断方法-论文.pdf_第3页
基于动态时间规整和自适应顺序形态变换分类的故障诊断方法-论文.pdf_第4页
基于动态时间规整和自适应顺序形态变换分类的故障诊断方法-论文.pdf_第5页
资源描述:

《基于动态时间规整和自适应顺序形态变换分类的故障诊断方法-论文.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、高技术通讯2013年第23卷第7期:735~740doi:10.3772/j.issn.1002-0470.2013.07.011基于动态时间规整和自适应顺序形态变换分类的故障诊断方法①李晗②萧德云⑧(清华大学自动化系北京100084)摘要研究了将动态时间规整(DTW)用于故障诊断的技术,使具有相同趋势但时序上并不完美一致的两序列之间距离最小化,发挥其在序列匹配中的重要作用。在前期研究提出的一种采用欧式距离度量两序列间的匹配程度的基于自适应顺序形态变换分类的故障诊断方法的基础上,由采用欧式距离变为采用DTW匹配来度量信号间误差,提出了三种用于故障诊断的

2、新的自适应顺序形态变换分类方法。通过连续搅拌釜式加热器故障诊断问题的研究验证了所提出的三种新方法的有效性,并对比了它们与前期研究提出的方法的故障诊断效果。关键词动态时间规整(DTW),自适应顺序形态滤波,故障诊断,连续搅拌釜式加热器(CSTH)号下利用自适应顺序形态变换得到波形形态不同的0引言变换信号,通过变换信号和监督信号的匹配程度,完成对检测信号的识别和分类,本文称其为第1种基各类模式匹配技术在故障诊断中有着广泛应于自适应顺序形态变换分类的故障诊断法,简称为用。基于模式分类的故障诊断方法的主要思想是将第1种分类。此方法采用欧式距离描述信号间误差由过

3、程数据变换得到的模式和已有表示过程各种运来实现两个信号的匹配度量。而动态时间规整(dy—行或故障状态的标准模式一一进行匹配,定义匹配namietimewarping,oTw)技术是语音识别领域的一程度,选取匹配程度最高的标准模式实现未知模式项重要模式匹配技术’,运用动态规划使两个模的识别分类。但是由于发生时刻和故障幅值(例如式中的重要特征排列一致,从而使总距离最小化,得阶跃型故障)不同以及仪器不精准将引起测量噪到DTW距离。这突破了欧式距离中两个信号任意声、垂直方向平移、振幅缩放和时间轴不一致_2等时刻的元素都要严格对应的限制,可使不同发生时原因,都会

4、使得在同一时间内观察到的相同故障的刻的同一类故障进行更好的匹配。而第1种分类同现象不完全一样,这将直接影响各种定性趋势分析DTW技术一样,也以整段信号为特征计算模式间的技术提取特征和降低后续模式匹配的效果。通常,匹配程度,采用欧式距离描述信号间误差,变换实现采用信号模式直接匹配时,对信号进行标称化(零了检测信号变换后有与监督信号重合的趋势,即实均值和单位方差化)或使用滤波可能会降低幅值差现两者具有相同特征的时标靠拢,使变换后较变换别和噪声扰动的影响,但对于两个发生趋势相同前提高了信号的匹配程度,可实现模式分类和故障但波形扭曲的信号来说,例如其中一个时间

5、轴压缩诊断。本文结合DTW匹配和第1种分类,采用或扩展,采用欧式距离作为模式问的不匹配程度描DTW距离分别描述自适应顺序形态变换后和变换述会遇到困难。中间过程的信号误差,提出了三种新分类方法,最后文献[5]利用自适应顺序形态滤波器构建了一采用连续搅拌釜式加热器故障诊断问题验证了这三种分类方法,该方法可使检测信号在不同的监督信种新分类方法的有效性和较第1种分类的优势。①国家自然科学基金(60736026,60904044)和清华大学信息科学与技术国家实验室(筹)学科交叉基金资助项目。②男,1986年生,博士生;研究方向:基于数据的故障诊断;E-mail:

6、1ihan07@mails.tsinghua.edu.en③通讯作者,E—mail:xiaody@mail.tsinghua.edu.en(收稿日期:2012~9-13).——735.——高技术通讯2013年7月第23卷第7期总体距离最小的组合就是所有元素最优错位对应组1DTW技术基础合,图1说明了两序列元素依时间一一对应和最优错位对应的情况。可以看到,在错位对应情况下,可当两个需要进行匹配的时间序列趋势相同但时通过改变、增加和丢弃一些原有元素对应关系实现间长度不一致,或时间长度虽一致但重要特征有时最佳匹配。Kassidas等人⋯用DTW技术来诊断田间

7、上的错位时,依然采用时标一一对应的方式求出纳西伊斯曼流程(TennesseeEastmanprocess,TEP)两信号间的距离将偏大,可能得出两序列不同类的的确定性故障。Colomer等人先将信号表示成一判断,这时常并不是所期望得到的结果。而DTW系列连续特征(episodes),再对特征序列采用DTW技术是处理这类问题的有效途径,它能在一定限制匹配。Zhou和Wong指出,在基于相似度查询中,下,将序列元素错位对应,并最终确定所有元素最优传统的以逐点方式将时间轴伸缩变换可能会引起较错位对应的组合,以此实现两个序列的错位对应。大的波形失真,因此将逐段

8、方式时间轴伸缩和DTW在此过程中,一个错位对应将产生所对应元素的差结合起来形成逐段时间规整技术

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。