小数据条件下基于测地流核函数的域自适应故障诊断方法研究

针对机械设备的状态监测和故障诊断面临的先验样本数据少、样本空间不完备的"小数据"困境,提出了基于测地流核函数的域自适应故障诊断方法。以有限的先验样本数据作为源域,以实际监测数据作为目标域,分别提取设备状态特征并将特征分布子空间嵌入格拉斯曼流形,基于测地流核函数对源域和目标域在特征分布结构上的相似性进行度量,从而实现域自适应基础上的故障诊断。基于轴承振动数据的试验验证表明,基于测地流核函数的域自适应故障诊断能够有效抑制工况变化、采样母体差异的影响,提高故障诊断正确率。     

基于随机子空间法的海洋平台模态特征实时提取方法研究

海洋平台结构模态特征实时提取是其结构健康监测的一项重要手段.针对传统随机子空间算法在有限测点下无法反映结构整体特征的问题,提出了一种改进的协方差驱动随机子空间模态实时提取方法.该方法基于一种新的Hankel元素重构方式,构建了结构实际空间信息与算法的相关性,并有效降低了计算矩阵的维度,从而显著提高了平台模态识别的准确度...     

基于核密度估计的纳米线识别和定位

针对基于扫描电子显微镜(SEM)的纳米操作系统中,SEM图像噪声大,难以实现小目标物体(纳米线)的识别等问题,利用核密度估计来识别纳米线,以实现其精确定位.首先,利用核密度估计实现阈值分割,以便实现纳米线提取;然后,利用图像处理中的细化算法,获取纳米线的中线方程;最后,利用纳米线的中线方程和纳米线图像,用基于梯度方向高斯曲线拟合方法实现对纳米线的精确定位.实验数据表明,核密度估计可以实现对纳米线的准确识别,在纳米线的定位方面具有很好的准确性和可靠性.     

多维性能极限状态下概率地震需求分析的多元相关核密度估计法

本文不对工程需求参数（EDP）的分布类型进行人为假定,提出基于多元相关核密度估计的概率地震需求分析法。在带宽矩阵和多元高斯核函数中分别引入相关系数,并分别采用三种相关系数描述相关性,将传统核密度估计拓展到可以考虑随机变量相关性的多元核密度估计。基于SAP2000建立某钢筋混凝土框剪结构,选择最大层间位移角、最大层加速度衡量多维性能极限状态。在不同峰值地面加速度（PGA）下建立基于多元相关核密度估计的概率地震需求模型,并给出基于蒙特卡洛（MC）模拟的地震需求公式,得到结构需求的年平均超越概率。采用传统基于多维对数正态分布假定的地震风险概率法和不考虑EDP相关性的核密度估计进行对比,研究表明：与传统的多维对数正态分布假定相比,基于相关多元核密度估计的结构需求年平均超越概率偏大,而不考虑相关性的多元核密度估计所得年平均超越概率偏小;不同相关系数会影响到年平均超越概率的大小,其中Pearson相关系数影响最大,Spearman相关系数次之,Kendall相关系数最小。     

非参数核密度估计视频目标空域定位技术研究

针对智能视频监控场合对视频运动目标定位的需求,本文提出了一种基于非参数核密度估计的视频运动目标空域定位技术.该技术先对代表视频运动目标的前景样本点进行非参数核密度估计,选择具有最高密度指标的样本点为第一个目标中心,然后通过修正样本点的密度估计值,逐步实现对视频运动目标的空域定位.本文的方法是减法聚类视频运动目标定位技术的进一步推广.推广后的定位方法,可根据具体的目标定位场合,灵活选择核函数对样本点进行核密度估计.实验表明,本文方法具有良好定位效果,同时,在样本点的密度估计上更具灵活性.     

基于相对密度核估计的实时剩余寿命预测EI北大核心CSCD

为更加准确评估系统运行过程中的实时剩余寿命,提出一种基于自适应相对密度核估计的实时剩余寿命预测建模方法。首先,建立非参数核密度估计剩余寿命预测模型,引入样本点k近邻思想计算样本点的相对密度自适应选择窗宽来提高在稀疏和密集区域选择窗宽的准确性和合理性;其次,在剩余寿命预测模型的建立上利用空间映射的方法建立相对密度核微分同胚变换方法来解决核估计在预测中的边界偏移问题,从而提高预测准确度。随着监测数据的实时变化,利用已知样本的核密度估计来递推更新得到新增样本的核密度估计。最后,通过算例分析来验证该方法的有效性和准确性。     

基于相关主成分分析和极限学习机的风电机组主轴承状态监测研究

提出了一种基于相关系数法和主成分分析法以及极限学习机相结合的主轴承状态监测方法。该方法利用相关系数法选取数据采集与监视控制系统中与主轴承温度相关的变量作为初始输入变量;再用主成分分析法对所选变量进行降维处理,以消除变量之间的相关性和冗余性;进一步利用极限学习机建立主轴承正常运行时的温度模型并用其进行温度预测;最后利用滑动窗和核密度估计方法对残差进行分析,并基于实测的数据进行主轴承故障模拟。结果表明,该方法可有效地实现主轴承潜在故障的预测。     

基于LPV模型的颤振试飞响应预测及激励优化

针对颤振飞行试验中实时监控和试飞效率的需求,基于具有极点约束的频域子空间算法和状态空间插值算法建立线性变速压气动弹性系统局部模型.设计结合模型迭代的颤振试飞速度扩展流程,实现了基于试飞数据的结构响应预测和激励优化.通过仿真算例和实际试飞数据验证预测响应的准确性及激励优化的有效性:预测响应值的精度随着建模数据的累积逐步提...     

基于主分量子空间的设备状态诊断研究

结合主分量分析(Principal Component Analysis,PCA)和子空间法研究了基于主分量子空间的设备状态诊断,探讨了压缩子空间和类属子空间两种主分量子空间结构来表达和分类设备的状态.所提出的设备状态诊断方法依靠PCA可以提取稳定有效的设备状态低维特征表示,依靠子空间法能够以低代价有效辨识设备状态.以...     

基于期望核密度离群因子的离群点检测算法

针对基于密度的离群点检测方法在不同分布的数据集上检测精度低的问题,提出了一种基于期望核密度离群因子的离群点检测算法。首先,引入k近邻和反向k近邻扩展邻域空间(ENS)代替传统的k邻域范围,更加全面地考虑数据对象的邻域信息;其次,在传统核密度估计(KDE)方法的基础上引入多元高斯函数,在扩展邻域空间内估计数据对象的密度,同时借鉴自适应核带宽的思想,更好地适应不同数据集的数据分布;然后,给出期望距离的概念,进一步区分局部离群点和位于低密度区域的正常点;最后,定义了期望核密度离群因子刻画数据对象离群程度。在人工数据集和真实数据集上对所提算法进行实验验证,并与部分传统算法进行对比,验证了所提算法的有效性。     

A simple segmentation method for DNA microarray spots by kernel density estimation

The DNA microarray analysis is one of the most important areas in biomedical research. For the accurate analysis of microarray data the process of segmentation, classification of pixels as foreground or background, should be done accurately. In this paper we suggest a kernel density estimation approach for the segmentation of the microarray spot. We estimate the density of n pixel intensities for a given target area by the kernel density estimation, and the resulting kernel density estimate gives bimodal density by appropriate choice of the smoothing parameter. We suggest two modes of the kernel density estimate for n pixel intensities as estimates of the foreground (mode with larger value) and the background (mode with smaller value) intensity, respectively. The segmentation method proposed in this paper is easy and simple to use, robust to the shape of spot, and very accurate. This research was supported by Korea Science and Engineering Foundation grant (R14-2003-002-01000-0).     

基于检测指数判决的子空间方位估计方法

针对子空间高分辨方位估计方法稳健性差的问题,根据协方差矩阵稳定估计所需累积次数和各子空间强度谱检测指数差异性,提出一种基于检测指数判决的子空间方位估计方法。该方法将协方差矩阵频域求取过程转换为经相参补偿的时域求取,降低空间数据稳定性对协方差矩阵估计的影响;依据各子空间强度谱检测指数差异,提取各子空间强度谱判决统计量;根据判决统计量实现对目标子空间判决,降低空间背景噪声对最终合成空间强度谱影响。数值仿真及实测数据处理结果表明,相比现有子空间高分辨方位估计方法,该方法能有效降低空间非稳定数据对协方差矩阵估计产生的影响;同时通过对各子空间判决处理,进一步降低了对最低信噪比的需求。     

基于Parzen窗估计的设备状态综合报警方法

针对现有监测报警方法难以适应工况变化和融合多元数据的缺点,提出了基于Parzen窗估计的设备状态综合报警方法。该方法动态估计多元监测数据的联合概率密度函数,以局部的分布边缘包络作为报警边界,随着监测数据的不断积累,逐步提高正常和故障概率分布估计的准确性,形成符合设备个性化状态发展历程的动态报警区域。通过对转子试验台和加热炉风机监测数据的分析,验证了该方法的有效性。     

利用子空间的投影和跟踪改进OFDM信道估计

OFDM系统的LS信道估计可看作真实信道频率响应的一个有噪观察值，因此可采用子空间投影方法对噪声进行压缩。分析了利用子空间投影方法改进LSOFDM信道估计性能的实质，给出了利用子空间投影改进OFDM信道估计的一般框架，在此基础上将子空间投影推广到非LS信道估计方法。当信号子空间随时间变化时，需要采用子空间跟踪技术保持对信号子空间的良好估计，因此提出了一种基于子空间跟踪的参数化信道估计方法，仿真表明这种方法在性能上优于非参数化时的相应方法。     

Real-time process monitoring using kernel distances

Real-time monitoring is an important task in process control. It often relies on estimation of process parameters in Phase I and Phase II and aims to identify significant differences between the estimates when triggering signals. Real-time contrast (RTC) control charts use classification methods to separate the Phase I and Phase II data and monitor the classification probabilities. However, since the classification probability statistics take discretely distributed values, the corresponding RTC charts become less efficient in the detection ability. In this paper, we propose to use distance-based RTC statistics for process monitoring, which are related to the distance from observations to the classification boundary. We illustrate our idea using the kernel linear discriminant analysis (KLDA) method and develop three distance-based KLDA statistics for RTC monitoring. The performance of the KLDA distance-based charting methods is compared with the classification probability-based control charts. Our results indicate that the distance-based RTC charts are more efficient than the class of probability-based control charts. A real example is used to illustrate the performance of the proposed method.     

Comparative analysis of the spatial analysis methods for hotspot identification

Spatial analysis technique has been introduced as an innovative approach for hazardous road segments identification (HRSI). In this study, the performance of two spatial analysis methods and four conventional methods for HRSI was compared against three quantitative evaluation criteria. The spatial analysis methods considered in this study include the local spatial autocorrelation method and the kernel density estimation (KDE) method. It was found that the empirical Bayesian (EB) method and the KDE method outperformed other HRSI approaches. By transferring the kernel density function into a form that was analogous to the form of the EB function, we further proved that the KDE method can eventually be considered a simplified version of the EB method in which crashes reported at neighboring spatial units are used as the reference population for estimating the EB-adjusted crashes. Theoretically, the KDE method may outperform the EB method in HRSI when the neighboring spatial units provide more useful information on the expected crash frequency than a safety performance function does.     

基于全相位预处理的时域多重信号分类波达方向估计方法

低信噪比下,针对宽带短脉冲情况下频域多重信号分类(MUSIC)中噪声子空间估计不稳定问题,提出一种基于全相位预处理的时域多重信号分类波达方向(DOA)估计方法。①对线列阵接收数据进行分组处理;②按搜索角度对各组数据进行相移预处理,并对各组数据预处理结果进行相加,得到一组新数据;③对线列阵接收数据在时域构建相移后的协方差矩阵,在更短数据长度下,稳定实现噪声子空间估计,并依据估计出的噪声子空间含有的正交特性,通过单位矩阵加法器得到相应空间谱估计值,实现波达方向估计。数值仿真和实测数据处理结果表明,相比频域MUSIC方法,该方法有效提高了线列阵接收数据协方差矩阵中信号含有量和信噪比,能够在更短数据长度情况下实现对噪声子空间的稳定估计,具有较好的稳定性和检测性能,提高了MUSIC方法在实际波达方向估计中的鲁棒性。     

基于贝叶斯最优核判别分析的机械故障诊断

针对在该方法中,用核判别分析到机械故障诊断时核参数选取困难的问题,提出了一种基于贝叶斯最优核判别分析的机械故障诊断方法。首先采用梯度下降法优化同方差性准则确定最优核参数;然后采用最优核参数使用核判别分析将原始样本投影到一个最优子空间,在该子空间中各类样本具有最佳判别性;最后基于投影后的样本使用最近邻方法进行故障分类。将该方法应用于滚动轴承故障诊断,并与相关方法的诊断结果进行了比较,实验结果表明:该方法可获得与支持向量机同样的诊断正确率,并实现了最优核参数的自动选择。