基于多维状态参量和时间序列对电机的异常检测

针对传统对电机的异常检测常常出现误判或滞后的情况,采用基于时间序列对电机单一状态参量用AR拟合,同时利用SOM神经网络无监督的方式量化电机数据。然后,利用得到的量化序列结合AR曲线得到序列的转移概率,及早发现某种状态参量的异常变化;之后,DBSCAN算法挖掘多维参数之间特征关系来确定电机是否出现异常。最后结合实例说明该方法的检测过程,并对比验证了该方法的优越性。     

时间序列的变化点检测和趋势分析

趋势分析和变化点检测是时间序列分析中常用的工具. 变化点检测是识别过程行为的自然或人为的突然的变化,而趋势可以定义为对逐渐偏离过去的规范的估计. 本文使用了Cox-Stuart方法和变化点算法分析时间序列数据趋势的存在,并以澳大利亚的近地表风速时间序列为例. 澳大利亚的近地表风速趋势是根据研究出的新开发的风速数据集,通过使用局部表面粗糙度信息,以及不同高度收集的混合观测数据构建. 10 m处的风的速度趋势通常会增加,而2 m处则趋于减小. 假设检验测试,变化点分析和人工检查记录表明有几个因素可能是导致差异的原因,例如伴随仪器变化的系统性偏差,随机数据错误(例如累积日错误)和数据采样问题. 均质化以及基于变化点检测的技术和多期趋势分析阐明了风速趋势不一致的根源.     

基于油液原子光谱多维时间序列模型的机械磨损状态监测研究

提出了一种利用润滑油原子光谱分析技术对机械磨损状态进行监测的新方法。对磨合期润滑油原子光谱数据建立多维时间序列模型并视为标准模型,将新数据通过此模型后得到残差并选择残差方差阵元素作为新数据所属磨损状态的特征。然后,利用主成分分析法对高维特征进行降维,提取前三个主成分构成对应磨损状态的特征向量。最后,利用欧式距离度量对测试样本进行分类,达到了对机械磨损状态识别的目的。利用上述方法,通过对某型履带车辆发动机台架实验的光谱数据进行分析,对发动机磨损状态进行了有效识别,从而证明了所提方法的有效性。结果表明,将多维时间序列模型引入油液光谱分析技术,能够实现光谱信息的有效融合,提高机械磨损状态监测的准确性。     

同步-异步二维中红外相关谱检测掺假芝麻油

将同步-异步二维中红外相关谱和多维偏最小二乘判别法相结合定性分析掺假芝麻油。分别配置40个纯芝麻油和含有玉米油不同体积分数(3%~60%)的掺假芝麻油样品40个。室温下,分别采集所有样品的常规一维中红外光谱(650~4 000cm-1)。在研究纯芝麻油和掺假芝麻油的一维中红外光谱的基础上,以芝麻油中掺假的玉米油浓度为外扰,进行相关计算,得到同步和异步二维中红外相关谱矩阵,并对其进行标准化。分别提取标准化的同步和异步二维中红外相关谱主对角线上部分和下部分元素进行融合,得到同步-异步二维中红外相关谱矩阵。在此基础上,分别基于同步-异步二维中红外相关谱矩阵、同步二维中红外相关谱矩阵和异步二维中红外相关谱矩阵建立了三个定性分析掺假芝麻油的多维偏最小二乘判别模型对预测集未知样品进行预测,其识别正确率分别为100%,96.2%和96.2%。结果表明:相对于同步和异步二维中红外相关谱,同步-异步二维中红外相关谱不仅包含了完整的掺假油特征信息,而且剔除了冗余信息,因此能取得更好的判别结果。     

基于多维随机森林的番茄灰霉病高光谱图像早期检测

植物病害的自动早期检测对于作物精确保护至关重要。提出了一种基于多维光谱序列（multi-dimensional spectral series, MDSS）和加权随机森林（weighted random forest, WRF）的番茄灰霉病早期诊断与鉴别方法。目的是利用叶片多个观测维度的光谱曲线整体变化趋势建立作物病害检测模型,以期在肉眼明显可见叶面病斑前对作物病害实现诊断。将健康叶片接种灰霉病菌第3天作为叶片成功染病第1天。试验首先采集番茄健康叶片和染病叶片7天内每天的高光谱图像,提取感兴趣区域并计算平均光谱作为初始光谱数据,经筛选共得到(156×7)组有效样本。将样本数据按时间顺序拆分成分别包含1～7个维度的光谱数据形成多维原始光谱序列,为增加维度间差异性,相邻原始光谱序列相减构成多维关联光谱序列。分别采用符号聚合近似估计（symbolic aggregate approximation, SAX）和符号傅里叶近似估计（symbolic Fourier approximation, SFA）两种符号化方法将光谱序列离散成局部辨别性特征。基于多维光谱序列的局部辨别性特征建立加权随机森林（MDSS-SAX-SFA-WRF）分类模型,实现病害早期检测。相应地,基于单维光谱序列（single-dimensional spectral series, SDSS）的番茄灰霉病识别模型被作为基准模型与MDSS-SAX-SFA-WRF模型比较。试验结果显示,MDSS-SAX-SFA-WRF检测模型在包含2至7个光谱序列维度的56个测试样本数据中均获得90%以上识别准确率,在包含5个光谱序列维度测试集中得到最高99%的识别准确率,较SDSS-SAX-SFA-MRF检测模型在染病第5天的识别率高8.2个百分点。另外受随机干扰的影响,SDSS-SAX-SFA-MRF模型准确率在染病5～7 d出现大幅度回落至最低84%,MDSS-SAX-SFA-WRF模型识别率在肉眼可见病斑阶段依然保持超过98%的较高检测水准,未过度回落。因此,提出的基于多维光谱曲线整体变化趋势和加权随机森林（MDSS-SAX-SFA-WRF）的分类模型能够有效实现番茄灰霉病早期检测,并具有较强的鲁棒性,为染病初期的番茄灰霉病鉴别提供新思路。     

基于序列图像的运动目标实时检测方法

运动目标检测是当前进行图像分析和理解以及在计算机视觉领域研究的热点,它被广泛地应用于靶场测量、目标监视、视频压缩、车辆跟踪和航空航天等领域。在参考大量文献资料的基础上,系统研究了近年来国内外已经比较成熟的一些算法,并把它们分成了7类。     

基于最大长度序列的绝对位移精密检测方法

为了检测精密机构的微小位移,根据位移编码与机器视觉技术,提出一种基于最大长度序列（Maximum Length Sequence—MLS）的绝对位移检测方法。该方法设计了基于MLS的绝对位移检测的视觉靶标方案,采用基于灰度叠加及二值化方法进行图像处理和靶标绝对位置识别;研究了基于拟合相位的精密定位方法,实现一维绝对位移的精密检测,并进行实验验证。实验结果表明,该方法可有效实现一维绝对位移检测,定位精度在±2μm范围内,具有良好的重复性和鲁棒性,且无须视觉标定。     

基于多维漫反射光谱技术的复杂混合溶液成分检测

为了进行复杂混合溶液的成分检测,该文提出了一种基于多维漫反射光谱技术的浓度检测方式,通过信号中携带的不同成分的多种光学性质来进行分析。实验设计了基于超连续谱激光光源、精密电控平移台和光谱仪的检测装置,选用Intralipid-20%溶液作为研究对象,用蒸馏水配制体积百分数1%～20%的溶液,分别测量距其入射点1.5～13mm(间隔0.5mm)范围内的24点漫反射光谱信号,以偏最小二乘回归算法对单点和多点漫反射光谱信号进行建模与预测。得到建模精度最高的为距离入射位置最近的1点～13点对应的光谱信号所建立的模型,预测精度最高的为距离入射位置最近的1点～7点对应的光谱信号所建立的模型。结果表明,增加不同位置信息的光谱信号,能够提高光谱的信噪比,与传统光谱技术仅利用吸光度或反射率等单一光学性质的方法相比,增加了被测物质散射特性的影响,利用被测物质多种光学性质的变化提高了建模及预测的精度,为基于多维光谱的复杂混合溶液检测提供了基础。     

基于3D荧光光谱分析和多维偏最小二乘的PAHs浓度优化检测

多环芳烃(PAHs)具有强致癌性,威胁人类身体健康。在复杂水质检测环境中,利用荧光光谱检测PAHs浓度时,由于测量光谱中存在瑞利散射影响,使得PAHs光谱信号包含明显的非平稳噪声,常用的多次采样求均值法容易使PAHs光谱存在明显的测量误差,导致PAHs检测精度下降。为此,提出了一种基于3D荧光光谱分析和多维偏最小二乘(N-PLS)的PAHs浓度优化检测方法,首先分析了菲、芴、苊与荧蒽4种PAHs溶液的光谱特性,通过拟合散射带数据点值消除光谱中的瑞利散射噪声,同时尽可能地保留原光谱信息。提取4种PAHs光谱的均值、方差和一维边际分布等特征参数,利用聚类分析方法对其光谱数据做样本分类,将相似光谱数据样本进行合并;然后根据校正集的光谱信号与不同PAHs浓度之间的关系,建立N-PLS模型,对各类PAHs的浓度进行预测分析,并且验证PAHs浓度与光谱数据荧光强度的关系;最后利用双线性分解对浓度残差进行修正,对含有各类PAHs的水溶液与实际水样进行浓度残差验证,分析了不同参数下PAHs的预测误差。实验结果表明,溶剂菲有2个明显的荧光峰值,激发与发射波长分别为285/245和315/345 nm;芴与荧蒽均存在6个明显的荧光特征峰值,分别为265/255,325/345,335/325,365/355,385/395和405/415 nm,且与其他PAHs的荧光峰值相距较远; 溶液苊在发射波长300~485 nm的范围内存在连续波峰,且对应激发波长在255~360 nm范围内;N-PLS方法对不同水质环境下的PAHs预测误差较小,其中菲与芴均方根误差均小于0.4 μg·L-1,相对误差小于6%,苊与荧蒽均方根误差均小于1.0 μg·L-1,相对误差均小于9%。对4种不同的PAHs在河流中的扩散趋势进行了仿真分析,确定出了其扩散程度,其中芴与菲扩散速率约为51 mg·L-1,苊与荧蒽扩散速率为21 mg·L-1,且扩散速率在一定范围内呈线性增长趋势,PAHs与其浓度之间符合朗伯比尔定律的线性关系; 通过不同迭代次数下N-PLS方法的均方根误差分析,得到了均方根误差精度最高时的迭代次数;对比了不同主因子数时N-PLS方法对PAHs预测的适应度与相关系数,结果表明当主因子数为3时,适应度可达96.5%,此时N-PLS预测模型效果最佳。相比其他检测方法,本文方法检测精度较高,回收率较好,具有较强的鲁棒性。     

基于序列图像的小目标检测

 针对序列图像中小目标的运动具有运动的连续性和轨迹的一致性等特征,提出了采用单帧检测和多帧检测相结合的处理方法。对单帧图像进行预处理和图像分割,得到去掉大部分背景和噪声点的图像,并在图像中选取候选目标点进行标记。然后对处理后的序列图像进行N帧叠加。对叠加图中的标定点利用8邻域搜索法进行目标筛选,进而检测出目标。实验结果表明,该方法实用性强,能简单、快速、有效地检测出序列图像中的运动小目标。     

基于最大Lyapunov指数的多变量混沌时间序列预测

参考基于最大Lyapunov指数的单变量混沌时间序列预测方法,提出一种通过选取多个邻近重构向量,预测多变量混沌时间序列的局域法.采用新方法对两个完全不同的Rssler方程的耦合系统,Rssler方程和Hyper Rssler方程的耦合系统的多变量混沌时序进行一步和多步预测,结果表明了该方法的有效性,且算法具有较强的抗噪能力.讨论了参考邻近点数和预测结果的关系. 关键词： Lyapunov指数 混沌时间序列预测 多变量时间序列 最小二乘法     

采用优化极限学习机的多变量混沌时间序列预测

基于优化极限学习机理论, 提出一种多变量混沌时间序列预测方法. 该方法利用复合混沌和混沌变尺度算法对极限学习机的模型参数进行搜索和优化, 以提高极限学习机的泛化性能; 然后利用优化后的极限学习机对Rossler耦合系统的多变量混沌时序进行一步和多步预测, 并且与同类算法进行了比较, 结果表明了该方法的有效性, 且算法具有较强的抗噪能力; 最后讨论了预测结果和隐层神经元数目的关系.     

Efficient use of correlation entropy for analysing time series data

The correlation dimension D ₂ and correlation entropy K ₂ are both important quantifiers in nonlinear time series analysis. However, use of D ₂ has been more common compared to K ₂ as a discriminating measure. One reason for this is that D ₂ is a static measure and can be easily evaluated from a time series. However, in many cases, especially those involving coloured noise, K ₂ is regarded as a more useful measure. Here we present an efficient algorithmic scheme to compute K ₂ directly from a time series data and show that K ₂ can be used as a more effective measure compared to D ₂ for analysing practical time series involving coloured noise.      

Phase correlation of foreign exchange time series

Correlation of foreign exchange rates in currency markets is investigated based on the empirical data of USD/DEM and USD/JPY exchange rates for a period from February 1 1986 to December 31 1996. The return of exchange time series is first decomposed into a number of intrinsic mode functions (IMFs) by the empirical mode decomposition method. The instantaneous phases of the resultant IMFs calculated by the Hilbert transform are then used to characterize the behaviors of pricing transmissions, and the correlation is probed by measuring the phase differences between two IMFs in the same order. From the distribution of phase differences, our results show explicitly that the correlations are stronger in daily time scale than in longer time scales. The demonstration for the correlations in periods of 1986–1989 and 1990–1993 indicates two exchange rates in the former period were more correlated than in the latter period. The result is consistent with the observations from the cross-correlation calculation.     

中子脉冲序列核信号相关和功率谱实时计算

为解决基于PC机平台、高达1 GHz采样率下之相关计算和频谱分析对实时性要求的关键技术问题,针对中子脉冲序列核信号本身所具有的特殊的“0,1”结构特点,采用快速移动的方法,借助于内存管理及SSE优化设计,创建了优化频谱分析的流程,构造了高速、实时的相关计算和功率谱分析算法,实现了1 GHz采样率下的中子脉冲序列核信号的实时相关计算和频谱分析。性能测试结果表明,在计数率为3×106 s-1,单个块（长度为1 024）时,研究的相关算法的计算时间为0.29 μs,相应的英特尔数学内核库的相关计算时间为129.95 μs。现场实际试验表明,该算法达到了对中子脉冲序列核信号进行相关计算和频谱分析的实时性要求。     

光源线度对相关检测的影响

讨论了空间非相干源及相干源的线度对相关检测的影响,包括归化峰值强度,绝对峰值强度及相关轮廓,以环形物为例对圆光源进行了数值计算.数值计算和实验表明,相干相关时光源线度应与制作空间滤波器时相同或相近,而非相干源线度则可显著超过归化峰值强度半功率点的容许值,以大大提高峰值强度而不使相关轮廓明显劣化.     

Revisiting the role of correlation coefficient to distinguish chaos from noise

The correlation coefficient vs. prediction time profile has been widely used to distinguish chaos from noise. The correlation coefficient remains initially high, gradually decreasing as prediction time increases for chaos and remains low for all prediction time for noise. We here show that for some chaotic series with dominant embedded cyclical component(s), when modelled through a newly developed scheme of periodic decomposition, will yield high correlation coefficient even for long prediction time intervals, thus leading to a wrong assessment of inherent chaoticity. But if this profile of correlation coefficient vs. prediction horizon is compared with the profile obtained from the surrogate series, correct interpretations about the underlying dynamics are very much likely. Received 8 March 1999     

数字图像相关技术的综合算法及其在断裂力学中的应用

鉴于散斑图的随机噪声和相关搜索运算过程仍是当今影响相关图像技术所获结果精度与计算速度两大有待研究解决的主要问题,提出一种基于小波变换、序惯相似度检测和统计相关算法三者相结合的新算法。其基本原理是应用小波变换对变形前后的散斑图进行滤波平滑处理;利用序惯相似度检测算法进行粗搜索,找到可能的匹配点;在可能的匹配点应用统计相关法进行细搜索,最终找到匹配点的位置。基本实验、计算和应用表明,这种算法在消除噪声和提高运算速度等方面,取得了良好的效果。     

Comparison study of typical algorithms for reconstructing time series from the recurrence plot of dynamical systems

The three most widely used methods for reconstructing the underlying time series via the recurrence plots (RPs) of a dynamical system are compared with each other in this paper. We aim to reconstruct a toy series, a periodical series, a random series, and a chaotic series to compare the effectiveness of the most widely used typical methods in terms of signal correlation analysis. The application of the most effective algorithm to the typical chaotic Lorenz system verifies the correctness of such an effective algorithm. It is verified that, based on the unthresholded RPs, one can reconstruct the original attractor by choosing different RP thresholds based on the Hirata algorithm. It is shown that, in real applications, it is possible to reconstruct the underlying dynamics by using quite little information from observations of real dynamical systems. Moreover, rules of the threshold chosen in the algorithm are also suggested.     

图像的微分处理与相关识别

介绍了小波图像微分原理,并对图像的微分处理与相关识别进行了实验分析和研究。实验结果表明,对图像进行小波微分预处理后,可以有效地减少图像中的低频成份,这就使图像相关运算更多地比较了图像的细节变化,增加了相关图像的信息量,可以有效地提高图像的识别能力。