基于混沌理论的动态系统故障检测研究与发展

混沌理论是一种用于描述确定非线性系统内在随机性的一种数学方法。作为确定论和概率论的桥梁，混沌理论具有对初始条件敏感、短期可预测等特点，近年来在各工程领域得到应用。基于混沌理论的故障检测是混沌理论应用的一个重要方面。本文在简单介绍混沌原理的基础上，分类介绍了基于混沌理论的各种故障检测方法及其研究现状，探讨了这一领域中有待进一步研究的若干问题。     

基于项权值变化和SCCI 框架的加权正负关联规则挖掘

给出项权值变化的数据模型形式化表示, 构建新的加权项集剪枝策略及其模式评价框架SCCI (supportconfidence-correlation-interest), 提出基于项权值变化和SCCI 评价框架的加权正负关联规则挖掘算法. 该算法考虑了项权值变化的数据特点, 采用新的剪枝方法和评价框架, 通过项集权值简单计算和比较, 挖掘有效的加权正负关联规则. 实验结果表明, 该算法能够有效地减少候选项集数量和挖掘时间, 挖掘出有趣的关联模式, 避免无效模式出现, 挖掘效率高于相比较的现有算法, 解决了项权值变化的加权负模式挖掘问题.

     

时间递推耦合神经网络的交通路径动态诱导技术

通过"人—机—环境"耦合关系,对路况与时间变化关系进行研究。综合车辆运行过程中不同时段的路况差异和人因作用、突发道路事故随机性,以神经网络有师学习作为经验累积方法,提出时间递推预测方法确定路径最短时间,从而实现对交通路径的动态诱导。递推预测以知识库累积经验与实时路况信息作比较,为驾驶者提供实时有效的路况信息支撑。结果表明,该诱导技术可辅助驾驶者及时对路况作出正确判断,减少因经验不足和突发事件造成的时间损失,适用于安装有GPS导航的车辆。实例分析表明,所构建模型与实际数据结合收到良好效果。     

基于分段降维和路径修正DTW的时序特征分类器设计

针对传统的动态时间弯曲（DTW）度量方法易出现过度弯曲现象且计算复杂度高、算法效率低等问题,提出一种基于路径修正的动态时间弯曲（UDTW）度量方法。首先通过分段降维方法——分段局部最大值平滑法（PLM）有效提取序列特征信息,减少UDTW的计算代价;其次,考虑了时间序列形态特征的相似性要求,给过度弯曲路径设置动态惩罚系数,以此修正路径的弯曲程度;最后,在改进度量距离基础上,采用1-近邻分类算法对时序数据进行分类,以提高时间序列相似性度量的准确率和效率。实验结果表明,在15个UCR数据集上,UDTW度量方法与传统DTW度量方法相比具有更高的分类准确率,UDTW在其中3个数据集上能实现100%分类正确;与导数DTW（DDTW）度量方法相比,UDTW分类准确率最多提高了71.8%,而PLM-UDTW在不影响分类准确率的前提下执行时间减小了99%。