不均衡数据下基于SVM的故障检测新算法

针对传统支持向量机(SVM)算法在数据不均衡情况下无法有效实现故障检测的不足,提出一种基于过抽样和代价敏感支持向量机相结合的故障检测新算法。该算法首先利用边界人工少数类过抽样技术(BSMOTE)实现训练样本的均衡。为减少人工增加样本带来的噪声影响,利用K近邻构造一个代价敏感的支持向量机(CSSVM)算法,利用每个样本的代价函数消除噪声样本对SVM算法分类精度的影响。将该算法应用在轴承故障检测中,并同传统的SVM算法,不同类代价敏感SVM-C算法,SVM和SMOTE相结合的算法进行比较,试验结果表明当样本不均衡时,建议算法的故障检测性能较其它算法有显著提高。     

转子故障数据集降维的CKLPMDP算法研究

针对传统的数据降维方法难以兼顾局部流形结构和多流形判别结构学习的问题,提出一种相关熵测度核局部保持多流形判别投影算法(correntropy kernel locality preserving multi-manifold discriminant projection,CKLPMDP)的转子故障数据集降维方法.该方...     

基于不完备实测模态数据的结构损伤识别方法研究

在传统的基于模型修正的损伤识别中,由于实测模态信息有限而待识别参数过多,往往导致损伤识别方程出现较大误差,从而限制了该方法在复杂结构中的应用。为解决这一问题,对结构的自由度进行了分解,将损伤结构中模态振型的未测量部分表达为已测量到的模态振型、模态频率以及结构其它参数的函数。将损伤视为结构单元刚度的减小,利用完好结构的计算模态数据以及损伤结构扩充后的实测模态数据,建立了结构的损伤识别方程。运用信赖域优化算法对具有双重约束条件的目标函数进行最小化,识别出了结构各单元的刚度损伤参数。通过两个损伤识别数值仿真算例及实验验证,结果表明,在测点数量有限及测试噪声等不利因素影响下,所提方法只需运用少量的实测模态信息,即可实现结构损伤位置及程度的准确识别,同时算法具有较好的鲁棒性。     

不停产高效设备故障检测系统开发研究

目前设备设施,生产工艺故障及隐患的监督检查方法仍然停留在常规的、传统方式上。技术人员开展了不停产高效设备故障检测系统开发研究,设计了故障检测系统网络管理与现场单机管理两种方式,可使用同一套软件管理系统。现场图象处理机可以在分析、确认设备存在严重故障情况下．现场打印分析报告,并及时通知所在单位,排除故障。     

基于LLTSA的转子故障数据集降维方法

特征数据集降维是机械故障智能诊断的关键步骤之一。常见的数据集降维方法难以准确的从高维非线性数据集中获取反映转子运行状态的敏感特征信息,导致故障模式识别精度降低。局部切空间排列算法（LTSA）对部分高维非线性数据集达到较好降维效果。但该算法不适合处理高曲率分布、稀疏不均匀分布等高维数据源。为此,在LTSA算法的基础上结合线性分块思想,提出线性局部切空间排列算法（LLTSA）。该算法充分考虑了数据集的整体与局部结构,将数据样本空间划分为一组最大线性块,使降维后的同类数据具有更好的聚类性。通过高维非线性转子振动数据时域特征数据集对该算法进行验证,结果表明经该算法降维后的数据集具有较好的聚类与分类性能。     

基于分类器组的轴承故障识别方法研究

提出一种基于设备运行数据构造分类器组用于滚动轴承故障识别的方法。在决策表上使用属性约简的遗传算法找出构成候选基分类器的较好约简,再使用多样性筛选的遗传算法找出最终的约简,以此为基础结合加权投票策略构建分类器组用于模式分类。通过轴承正常情况、内圈、外圈和滚动体故障的识别实验验证了方法的有效性,得到了较好的实验结果。     

DCGAN结合CNN诊断不均衡小样本的滚动轴承故障

针对滚动轴承故障样本过少且故障类间样本不均衡所导致诊断效果不佳的问题,提出一种将深度卷积生成对抗网络（Deep Convolution Generative Adversarial Network,DCGAN）与以遗传算法（Genetic Algorithm,GA）优化卷积神经网络（Convolution Neural Network,CNN）相结合的智能诊断方法。首先,利用GA以最小信息熵作为目标函数解决变分模态分解（variational Mode Decomposition,VMD）中本征模态函数分解个数和二次惩罚因子难以确定的问题。再根据平均峭度指标对分解后的信号进行重构,并将其转换为二维时频信号。然后,将小批量时频信号样本作为训练集放入构建的DCGAN模型中,对抗生成辅助故障样本。其次,通过GA寻优CNN中学习率和批处理大小的最优组合,实现对CNN的优化（Convolution Neural Network Optimized by Genetic Algorithm,GA-CNN）。再将对抗后的样本放到优化后的GA-CNN模型中进行训练,构造出适应于小故障样本及故障类间样本...     

不均衡训练集特征选择的印刷套准状态识别

目的 针对不均训练集导致印刷套准识别模型无法较好识别印刷套不准图像的问题,提出基于最大相关、最小冗余的印刷标志图像数据特征选择方法.方法 提取印刷标志图像的多维特征数据,计算特征与印刷套准和印刷套不准2类之间的相关性和特征之间的冗余度.确定特征选择的目标函数,通过增量搜索方法寻找最优特征,加入特征子集,实现不均衡印刷标志图像的特征选择.结果 文中的特征选择方法获得了3项不均衡数据分类性能评价指标,A为0.9900,R为0.9400,Gmean为0.9466.结论 在不均衡印刷标志图像套准识别中,文中提出的方法性能优于实验中的未处理方法、PCA方法、Relief方法和NCA方法.     

基于SVM的不同故障程度下冷水机组故障诊断

冷水机组是一个高度非线性的复杂系统,其系统故障会导致系统的运行偏离正常状态,不仅会造成工作空间空气质量的下降,更会造成机组能耗的增加。在选取RP-1043实验数据中的一组正常数据之后,又选取了其中七组故障数据,建立了训练数据。通过支持向量机(SVM)方法进行分类,以测试其对于冷水机组故障诊断的性能,并采用正确率(correct rate,CP)、命中率(hit rate,HR)、虚警率(false alarm rate,FAR)三个指标来评价模型的分类性能。同时引入四种不同程度故障,分析SVM方法随着故障程度变化的分类准确率变化。     

不同规模数据集下的人脸识别方法

系统研究了类内变化和类数目增加所引起的人脸识别中的非线性识别问题,并比较了线性识别方法和非线性识别方法在不同用户集规模下的适用性．采用CAS-PEAL大型人脸数据库中的表情集（330人）和姿势集（1000人）进行了3组实验．实验结果表明：当训练集的人数在300人（表情集）以内时,增加类内的变化不会对线性识别方法造成影响,并可以提高识别的准确率;但是,当保持类内图片数不变而增加类的数目时,类数（人数）增加对线性方法和非线性方法产生了不同的影响．随着人数增加,线性识别方法的识别准确率逐渐降低,而基于核方法的非线性方法却能够一直保持识别准确率的稳定．因此,应该根据类的总数合理地选择识别方法,并合理地设计类内的图片数,这样有助于提高人脸识别系统的识别率．同时,实验也验证了基于核方法（kernel）的非线性人脸识别方法更适宜于人数规模较大的情况．     

基于数据融合的结构损伤识别方法研究

为提高结构损伤识别的准确率,在大型复杂土木工程结构的健康监测中引入多传感器数据融合技术,提出了基于数据融合技术的结构损伤识别方法的实用模型,建立了结构损伤识别方法的评价指标,并通过钢筋混凝土板试验分析了常用的数据融合方法——Bayes方法和D-S证据理论的有效性。分析结果表明:采用数据融合技术,结构损伤识别方法的评价指数更高,即结构损伤识别的效果更好。     

基于故障数据的设备运行可靠性分析与评估

基于故障数据,对设备运行可靠性进行了分析与评估。对某汽车制造企业的一台卧式加工中心的故障数据进行了统计与分析,形成观测样本,并拟合出了设备故障间隔时间的概率密度分布函数和累计分布函数曲线,从而推断得出其分布规律可能服从威布尔分布。然后通过对威布尔分布函数相关性进行检验,验证了该设备的故障间隔时间分布服从威布尔分布。最后根据统计结果计算得出了该设备的各项可靠性评估指标。     

面向不均衡训练集的印刷图像套准状态检测方法

目的针对不均衡的印刷图像套准状态检测中存在的印刷套不准图像识别准确率低的问题,研究不均衡印刷图像训练集的预处理方法。方法提出不均衡印刷图像训练集数据的集成采样预处理方法。支持向量机先将不均衡的训练集数据分为支持向量和非支持向量,然后过采集少类样本(即印刷套不准图像)中的支持向量,欠采集多类样本(即印刷套准图像)中的非支持向量,实现训练集数据的均衡化。最后采用预处理后的均衡训练集对支持向量机模型进行训练,并优化模型参数。结果采用文中提出的集成采样方法对不均衡训练集预处理后获得支持向量机模型,通过对印刷图像套准状态进行识别,获得的少类样本识别率a+为0.9375,识别准确率几何平均数Gmean为0.9437,F测度为0.9574。结论文中提出方法获得的印刷套不准图像识别准确率a+,Gmean和F测度均优于实验中的其他方法。     

基于大数据挖掘的集控设备故障处置辅助决策方法

为了提高集控设备故障诊断精度并提供最佳处置决策,提出基于大数据挖掘的集控设备故障处置辅助决策方法。设计集控设备故障辅助决策框架,通过数据接口层获取数据采集与监视控制、继电保护及故障信息等系统的设备运行数据,存储于电网拓扑数据库中,与故障文件信息、各子站的CIM/SVG/SCL信息及规则库一起保存于数据存储层。数据处理层调用存储层数据,采用改进K-means算法挖掘电网拓扑数据库中的集控设备故障信息,利用小波包提取设备故障特征后,将其输入到分析层的基于哈夫曼树的最小二乘双支持向量机多分类模型中,实现集控设备故障诊断,确定故障模式,并采用灰色定权聚类分析方法实现故障模式的分类决策。实验结果表明：该方法可提高集控设备故障分类精度及效率,故障诊断误差低,可实现集控设备故障诊断,作出最佳故障处置决策。     

关于低压集抄的故障处理研究

随着智能电网的建设,低压集抄的建设也在如火如荼的进行,目前各地的采集覆盖率逐渐提高,但相对应的采集故障也在不断增多,本文通过两种案例的说明,对采集故障的处理问题和思路进行理顺,来提高采集成功率和低压集抄的应用水平。     

天然气在不均衡用气条件下的计量分析

为了保证天然气在不均衡用气条件下计量的准确性,从孔板流量计的工作原理入手,利用误差理论分析了天然气计量误差的计算方法.以中原油田-青岛输气管道董家分输站为例,提出了不均衡用气条件下减少天然气计量误差的建议.     

噪声环境下语音识别方法的研究

1引言 语音识别的性能常常与环境背景噪声等的干扰有密切关系A[1],这些都是语音识别的识别率得不到进一步提高的主要因素.     

浅析不合格测量设备出具数据有效性的评定

文章以绝缘电阻表为例，介绍了对已知不合格的测量设备给出的检验和试验结果的有效性进行评定的基本原则。     

基于标准正交判别投影的转子故障数据集降维方法

针对旋转机械智能决策技术的故障数据分类问题,提出一种基于标准正交判别投影(SODP)的转子故障数据集降维算法。该方法从时域、频域及时频域构造原始故障特征集,将振动信号转化为高维特征数据集;运用SODP选择出其中最能反映故障本质的敏感特征子集;将得到的低维特征子集输入到KNN分类器中进行故障模式辨识。用一个双跨度转子系统的振动信号集合进行验证,证明了该方法能够有效地提取出全局与局部判别信息,使故障类别之间的差异性变得更清晰,相应地提高了故障模式识别准确率。研究表明该算法可为实际转子智能故障诊断提供参考。