基于多尺度Kalman滤波的多传感器数据融合

通过分析多尺度动态系统模型,提出了一种基于小波变换的Kalman多传感器数据融合算法。该算法结合了Kalman滤波的实时性、递归性和小波变换的多尺度特性,能对多传感器的观测数据有效地融合。算法首先将最细尺度上观测数据滤波后得到的估计序列小波分解到各尺度上;然后在各尺度上,利用该尺度上的传感器观测数据对小波分解系数进行更新;最后利用小波重构,达到更新原始估计序列的目的。仿真实验表明,该算法具有很好的数据融合效果。     

利用小波方差逼近数据波动率的改进BS模型（MBS）

利用小波分析的多尺度方法,描述了小波方差在金融数据中所反映的实际意义和在金融分析中的尺度选择条件,分析了数据发生过程中分解出的不同波动段对于整体波动性的贡献量,然后通过加权重构不同尺度段产生的小波方差来体现数据的波动情况,从而得到了一种新的计算BlackScholes模型中波动率的方法,最后利用MATLAB的模拟实证分析证明了其有效性．     

基于SVM和小波边缘检测的车型图像识别

在基于小波边缘检测和SMO算法的基础上进行车型图像识别,首先将待识别目标进行二维小波分解,获取不同尺度下的小波系数,然后对其进行主元分析,得到的主元作为支持向量机的特征量输入.实验结果表明,该方法具有良好的分类性能.     

基于TQWT和稀疏表示的滚动轴承故障诊断方法

基于稀疏表示理论,提出了一种采用可调品质因子小波变换(TQWT)的滚动轴承故障诊断新方法,分析了包含早期故障成分的原始采集振动信号的特点和早期故障信号的特性,研究了稀疏表示模型在解决故障特征提取问题和故障类型识别问题的应用;运用TQWT将原始信号转换为一组子带小波系数集,研究了利用迭代收缩阈值算法提取出稀疏小波系数的有效性和谱峭度对故障冲击信号敏感的特性,通过计算各子带信号分量的谱峭度,选取包含故障信息明显的子带小波系数,建立了包含稀疏故障信号分量的故障特征提取方法;利用提取出的故障信号稀疏表示分类模型,实现了基于稀疏表示的滚动轴承故障诊断方法。试验结果表明:在凯斯西储数据集上,提出的故障特征提取方法在剔除干扰成分方面有显著效果,提出方法对于4种类型数据的平均诊断准确率为99.83%,对于10种类型数据的平均诊断准确率为97.73%;与只运用TQWT和迭代收缩阈值算法进行故障特征提取的方法相比,故障诊断精度提高了11.60%,算法运行时间减小8%;在QPZZ-Ⅱ旋转机械平台采集到的振动数据集上,提出的方法对于4种类型数据的平均诊断准确率为100%;与传统小波去噪方法相比,准确率提高了35.67%,算法运行时间减小了7.25%。可见,本文提出的方法可以有效解决滚动轴承故障诊断问题。      

基于动态PCA的核动力装置传感器故障检测

针对变工况过程中传统主元分析方法的模型不适应问题,通过稳定性因子分析,剔除过渡过程数据,并用模糊聚类方法将不同稳态工况进行分类,利用动态主元模型方法根据工况类型建立不同的主元模型,并将该方法用于核动力装置传感器的故障检测,结果表明该方法能够适应变工况情况下的传感器故障检测,减少了故障的误检,并提高了检测灵敏度．     

复杂生产过程的小故障检测与分类方法

为监测复杂生产过程的状态,根据多元统计过程控制方法和支持向量机理论,将累积和控制图原理扩展为多变量的形式对过程数据进行预处理,并通过主元分析方法提取复杂生产过程的关键信息,得到有效的小故障数据,进而构建计算正常数据的统计量阀值及故障数据的Hotelling T平方统计值（T2）和平方预测误差值,实现了复杂生产过程的小故障模式检测,并采用支持向量机多分类方法将检测到的故障进行了分类.沥青混合料生产过程的仿真研究表明:在集料均值发生小波动、周期性上升和下降3种小故障模式下,故障检测识别率均达到95%,与主元分析方法相比平均提高了75%;分类准确率达到92.5%,与BP神经网络方法相比提高了19.3%.      

基于改进多尺度排列熵的S700K转辙机故障诊断

基于提速道岔S700K转辙机故障的功率曲线在频域上的多重特征,提出了基于改进多尺度排列熵的多变量支持向量机(structured support vector machine, SSVM)故障诊断方法.首先对S700K转辙机动作功率曲线进行集合经验模态分解和小波分解,获得两类不同时间尺度的模态分量;再利用改进多尺度排列熵计算不同分量的故障特征参数,为了降低计算维度,应用核主元分析理论,在不损失信号重要特征的情况下,取大于95%贡献率的特征值作为故障特征向量;最后,引入基于决策树的SSVM算法,经过小样本训练得到树状最优故障间隔面,从而实现S700K转辙机故障分类.实验结果表明:该方法可有效判定S700K转辙机故障类型,进而提高故障诊断精度和效率.     

基于小波神经网络的船舶动力装置模型的建立

以CODAD主推进系统为例.建立了在Matlab7.O/Simulink6.O环境下的仿真模型.采用分布式参数建模的方法.根据参数间的相关性,建立分离的参数预测模型,然后把所有的参数模型联合起来,得到完整的主推进装置模型.采集了实船航行数据,经过小波去噪后作为模型辨识的试验数据.利用小波神经网络对主推进装置仿真模型中的主机转速进行了预测.仿真结果表明.采用小波神经网络进行模型辨识,可获得较好的效果.     

基于小波变换的混沌信号特征研究

应用小波方法将混沌信号的频谱特征和吸引子的几何结构相结合进行研究,结果表明,在不同尺度上对混沌信号进行连续小波变换时,其小波系数具有很强的相似性,但不能够完全重构原来的吸引子.对信号进行多尺度分解后发现其低频系数部分基本能够重现原吸引子的结构特征,而高频系数部分不能实现这一目标.为了定量刻画混沌信号在小波变换条件下的分形特征,计算了其在不同尺度时的关联维数,并分析了关联维数计算的影响因素.     

基于RBF神经网络的交通流数据修复研究

完整的传感器数据是交通管理和控制的基础,但由于传感器自身或传输线路故障等原因,常常导致数据缺失,亟需对传感器缺失数据进行修复。鉴于此,以离散和连续缺失的线圈检测器交通流量数据为研究对象,构建基于RBF神经网络的数据修复模型。并将其结果与利用非线性回归模型、BP神经网络模型进行修复的结果相比较。RBF神经网络模型在离散缺失3 个数据、连续缺失3 个数据和连续缺失5 个数据情况下,平均百分比绝对误差分别为0.67%, 0.66%和1.33%,修 复值和实测值的总体相关性为0.992,修复精度优于非线性回归模型和BP神经网络模型。研究结果表明,RBF神经网络模型与其他方法相比可更精确地进行交通数据修复。     

基于PCA-WT的道岔故障电流特征识别

针对道岔故障电流特征识别中存在的特征冗余,提出一种基于小波变换和主成分分析的道岔电流特征提取方法.首先利用离散小波变换对道岔动作电流曲线分解重构得到各频带信息,采用主成分分析法选取有效频带信息建立特征向量以降低特征维度,减少数据计算量;然后利用BP神经网络进行电流特征分类,从而实现道岔故障诊断.以实际现场监测数据作为测试样本,通过实例仿真验证了本文方法的有效性.     

基于EEMD和小波包的机车轴箱轴承故障诊断方法

提出了一种基于聚合经验模态分解(ensemble empirieal mode decomposition,EEMD)和小波包的机车轴箱轴承故障诊断方法.首先对轴承振动信号进行小波包分解,分别对小波包分解得到的小波包系数进行阈值去噪处理,将降噪后剩余的小波包系数进行信号重构.然后再对重构后的信号进行EEMD,计算EEMD分解得到的IMF分量和原信号的互相关系数,最后对满足相关条件的IMF分量进行故障诊断分析.为了验证该方法的正确性,搭建了轴承试验平台,通过对轴承实测数据进行故障诊断分析,实验证明该组合诊断方法能克服单一信号处理方法的局限性并能初步诊断出轴承发生的故障.     

基于分数小波变换的空域相关特性的信号降噪新方法

简要介绍了分数小波变换的基本思想及在信号处理方面的特点。利用分数小波变换系数在不同尺度上对应点处的相关性对其进行选择和处理,这样处理后的分数小波变换系数基本上对应着信号的边缘,然后对信号系数进行重构,达到了降噪的目的。以数值仿真和实测齿轮箱振动信号为例,研究了该方法的降噪效果,同时和小波包直接降噪进行了比较。结果表明,该方法能够有效降低振动信号中的背景噪声。     

基于小波变换的多尺度多阈值语音增强方法

语音信号与随机噪声在不同尺度上进行小波变换时,其小波变换系数和尺度大小的特性关系存在着不同的特征表现。而且,浊音和清音也各有其特性．鉴于此特点,给出了一种基于小波变换的多尺度多阈值语音增强方法．该方法采用软限幅函数对浊音和清音信号的小波变换系数作不同的阈值处理,既抑制了噪声,又减少了语音段的信息的损失,提高了信噪比．仿真结果说明,这是一种有效的语音增强方法．     

基于Morlet小波分析的嘉陵江流域年径流周期研究

为揭示嘉陵江流域年径流序列的周期变化特征,基于嘉陵江北碚站共计59年(1954—2012年)的实测径流资料,采用Morlet小波函数对其年径流序列进行了多时间尺度变化特性分析。结果表明:北碚站年径流存在4,14,44年左右尺度的周期变化特征,其中44年尺度的周期包括2个丰-枯变化过程,其小波系数对应着最大峰值,为流域年径流变化的第1主周期;14年尺度的周期包括6个丰-枯交替循环变化过程,其小波系数对应的峰值次之,为第2主周期;与第1、第2主周期相比,4年尺度的变化峰值很小,属于小波动,即嘉陵江流域年径流在整个统计时间域内的变化由第1、第2主周期控制。     

航空发动机转子碰摩故障瞬时频率诊断方法

分析了航空发动机转子碰摩故障振动信号的基本特征,提出了故障信号瞬时频率诊断方法。运用解析小波将故障信号变换到小波域,利用小波系数的振幅和相位信息综合确定瞬时频率,根据瞬时频率的特征诊断故障,并对比了故障信号瞬时频率诊断方法与窗口Fourier变换方法故障诊断结果。数值分析结果表明:利用瞬时频率诊断方法提取碰摩信号的瞬时频率比利用窗口Fourier变换得到的结果更精细,并可获得用短时Fourier变换无法得到的一些瞬时频率曲线。     

基于对称残差U型网络的路网交通流量数据修复

针对路网交通数据采集过程中，采集设备稀缺或故障等原因造成路网交通流量数据缺失问题，提出基于对称残差U型网络(Residual U-Net，RU-Net)模型的大规模路网交通流量数据修复方法.通过将路网交通流量数据网格化和时序通道化操作，构成可供卷积操作的张量数据格式；利用RU-Net编码解码能力，对交通流量数据进行编码；在解码过程中保持失真度较小，使模型学习到交通流量数据内部多因素耦合特性.通过残差学习使交通流量数据编码后的信噪比提升，压缩率降低，提升模型修复精度.实验结果表明，RU-Net模型能够利用交通流量特性学习历史和非故障采集点数据与待修复数据的映射关系，在不同数据缺失率，不同缺失模式下，高效地完成对大规模路网交通流量数据的修复.     

基于对称残差U型网络的路网交通流量数据修复

针对路网交通数据采集过程中，采集设备稀缺或故障等原因造成路网交通流量数据缺失问题，提出基于对称残差U型网络(Residual U-Net，RU-Net)模型的大规模路网交通流量数据修复方法.通过将路网交通流量数据网格化和时序通道化操作，构成可供卷积操作的张量数据格式；利用RU-Net编码解码能力，对交通流量数据进行编码；在解码过程中保持失真度较小，使模型学习到交通流量数据内部多因素耦合特性.通过残差学习使交通流量数据编码后的信噪比提升，压缩率降低，提升模型修复精度.实验结果表明，RU-Net模型能够利用交通流量特性学习历史和非故障采集点数据与待修复数据的映射关系，在不同数据缺失率，不同缺失模式下，高效地完成对大规模路网交通流量数据的修复.     

基于信息熵的铁路冷藏集装箱办理站布局分析

为了克服铁路冷藏集装箱办理站布局分析中主观赋权法带来的局限性,运用模糊数学和熵理论,建立了基于信息熵的多目标决策分析模型,客观地分析出各指标的重要性,通过计算差异性系数、权数,确定出综合分析系数,并根据综合分析系数值的大小进行排序,最后利用实际的数据进行了计算分析,结果表明该分析法是行之有效的.     

���ڻ�ɫ����ĸ��ٹ�·����·�η���ˮƽ����

高速公路基本段服务水平是分析高速公路通行能力的重要内容。本文首次将灰色聚类理论引入分析高速公路基本段服务水平，建立了基于灰色聚类的高速公路基本段服务水平的多目标决策分析模型.在构造白化矩阵和白化函数的基础上，计算出聚类权系数和聚类系数，并利用聚类系数确定出高速公路基本段服务水平的综合分析情况。最后通过算例进行了计算分析，验证了该模型的有效性、客观性和适用性，并归纳了模型的特点及适用范围，对分析高速公路基本段服务水平具有一定的借鉴意义。