Sensor placement for structural damage detection with modal data

A new method is presented for prioritizing sensor locations for structural health monitoring (SHM). In view of the needs of SHM and damage detection,sensor locations are optimized for the purpose of both sensitivity for local damages and independence of the target mode. However,the two different optimization criterions lead to an inconsistency of the optimal result. Considering the structural response changes that result from damage,the relationship between the structural response and damage is deduced from the structural motion equation by a quasi-analytical mode. Based on the harmony between damage identifiability and mode observability,an object function is set up,including the information of mode independence and damage sensitivity. Utilizing the technique of singular value decomposition,an interior algorithm for the optimum sensor placement is proposed with the multiple objective criterions of minimizing the condition number of coefficient matrix and maximizing the fisher information matrix. A numerical example shows that this approach can effectively avoid the contradiction between the two different optimization criterions. Comparing with the result of single object,the result of damage detection from the optical sensor locations is much more accurate.     

增强Fisher判决的Bagging集成分类方法

提出了一种样本间的相似性度量方法,并将这种相似性度量信息附加到Fisher线性判别的类内、类间离散度矩阵,使得Fisher判决准则在使类内距离迭最小、类间距离迭最大的同时,也使类内相似度迭最小、类间相似度达最大,获得比原始Fisher判剐更好的投影矩阵。实验证明,与Bagging集成的Fisherfaee比较,该方法显示出更好的识别率。     

自适应半监督边界费舍尔分析

基于图的半监督算法已经成功地应用于人脸识别中,算法不仅考虑带标签数据而且利用一致性的假设。传统的算法一致性约束是定义在原特征空间中,但是在原特征空间中定义的一致性不是最好的。提出了自适应半监督边界费舍尔分析算法,它将一致性约束定义在原特征空间和期望低维特征空间中。在CMU PIE和YALE-B数据库上进行了实验,结果表明自适应半监督边界费舍尔分析算法在人脸识别率上有显著的提高。     

Improving Water Supply Outlook in Korea with Ensemble Streamflow Prediction

Abstract

The purpose of this study is to propose an alternative forecasting approach for improving the current water supply outlook in Korea. Using a rainfall-runoff model, the existing technique for the water supply outlook in Korea produces monthly low, average, and high runoff forecasts. The proposed technique is called Ensemble Streamflow Prediction (ESP), and is currently implemented by the National Weather Service in the U.S.A. ESP appears particularly valid in Korea where the historical rainfall record is much more comprehensive than the historical streamflow record. This study applies ESP to runoff forecasting for a river basin in Korea to examine its applicability. An ensemble of one-month ahead runoff forecasts at the Gongju gauging station in the Keum River basin, Korea, was generated for each month. The resulting ESP forecasts were compared with the corresponding observed runoff data as well as the existing forecasts. Although this study is limited to one case study, the following conclusions can be made: (1) the ESP technique dominates the existing forecasting techniques in terms of both systematic and random errors; and (2) ESP is more accurate when high flows occur.     

基于相对Fisher判别分析理论的故障诊断方法

随着现代工业过程的不断发展,自动化设备越来越复杂。系统的安全性与可靠性是设备现代化的重要方面。数据驱动的故障诊断技术是复杂工业生产过程安全性与可靠性的重要保障之一。传统的Fisher判别分析方法:常常忽视了量纲在各过程变量特征提取过程中的影响。本文在回顾传统Fisher判别分析理论的基础上,指出了量纲及量纲标准化过程对判别分析过程产生的影响,并建立了一种相对Fisher判别分析方法:。先通过预处理的方法:消除量纲差异带来的虚假影响,然后根据系统要求对观测数据做相对化变换,从而更有效地获取各观测数据的代表信息及不同运行模式的判断阈值。最后,利用计算机仿真实验验证了本文方法:的有效性。     

基于FDA-KDE间歇过程在线监控

针对基于传统的多向主元分析(Multiway Principal Component Analysis,MPCA)方法用于间歇过程在线监控时需要对新批次未反应完的数据进行预估,从而易导致误诊断,且统计量控制限的确定是以主元得分呈正态分布为假设前提的缺陷,结合Fisher判别分析(Fisher Discriminant Analysis,FDA)在数据分类及非参数统计方法核密度估计(Kernel Density Estimation,KDE)在计算概率密度函数方面的优势,提出了一种FDA-KDE的间歇过程监控方法。该方法首先利用FDA求取正常工况数据和故障数据的Fisher特征向量和判别向量,获得Fisher特征向量的相似度:然后在提出偏平均集成平方误差(Biased Mean Integrated Squared Error,BMISE)交叉验证法确定KDE的带宽从而获得相似度统计量控制限的基础上,利用已获得的数据测量值对过程进行监控,避免了基于MPCA方法对未来测量值的预估;最后采用基于Fisher判别向量权重的贡献图方法来进行故障诊断。通过对青霉素发酵间歇过程应用表明,所提出的方法比传统的MPCA方法能更及时地监测出过程异常情况,更准确地判断异常发生的原因。     

基于核Fisher判别分析的蛋白质氧链糖基化位点的预测

以各种窗口长度的蛋白质样本序列为研究对象,实验样本用稀疏编码方式编码,使用核Fisher判别分析(KFDA)的方法来预测蛋白质氧链糖基化位点。首先通过非线性映射(由核函数隐含定义)将样本映射到特征空间,然后在特征空间中用Fisher判别分析进行分类。进一步,用多数投票策略对各种窗口下的分类器进行组合以综合多个窗口的优势。实验结果表明,使用组合KFDA的方法预测的效果优于FDA和PCA以及单个KFDA分类器的预测效果,预测准确率为86.5%。     

基于深度学习的边际Fisher分析特征提取算法

提取符合数据分布结构的特征一直是模式识别领域的热点问题。基于固定核映射方法具有获取非线性特征的能力,但对映射函数类型及其参数十分敏感。论文提出一种基于多层自动编码器的特征提取算法,该深度学习网络模型的训练分为无监督预训练以及基于边际Fisher准则的监督式精雕训练过程。通过数据生成性预训练和精雕过程中正则化手段防止过拟合训练。在多个数据集进行分类的实验结果进一步验证算法的有效性。     

穿刺测试和 fisher 判别法在葡萄贮藏期间质地评价的应用

本实验的目的是利用统计学方法验证所编辑的10个穿刺测试参数在贮藏期间葡萄软化过程中是否有测试意义,是否可以代表葡萄浆果的整体质构特点。同时找出评价贮藏期葡萄质地差异的最关键的质构参数,为贮藏期葡萄质地评价提供理论依据。将意大利、巨峰、白罗莎里奥和马奶4个不同品种的葡萄分别通过冷库模拟冷库贮藏条件,通过恒温恒湿箱模拟运输和货架贮藏条件,得到葡萄浆果穿刺参数在不同贮藏条件下的测量值,并对其进行判别分析。结果表明:在温度高于0℃（运输或货架）贮藏期间葡萄软化过程中所编辑的10个穿刺参数有测试意义,可以区分出葡萄在不同贮藏期的质构变化,也很好的总结了整条力-位移穿刺曲线,可以代表葡萄浆果整体的质构特点。在温度0℃（冷库贮藏）贮藏期间葡萄软化过程中所编辑的10个穿刺参数对葡萄质构的区分度不大,没有实际测试意义。其中,果皮硬度、果皮刚度以及浆果形变度是评价贮藏期质地变化最关键的参数。      

基于Fisher准则的二次线性特征提取

将基于Fisher准则的鉴别分析推广到矩阵的情形,得到先寻找最佳鉴别向量,将矩阵投影为一个向量,再次寻找最佳鉴别向量,将投影向量映射为一个点的二次线性特征提取方法,从而为解决高维、奇异情况下最优鉴别向量集的求解问题提供了新的途径.在ORL标准人脸库上的试验结果表明,该方法识别结果可靠,准确率高.