基于分位数特征提取的时间序列模式分类.pdfVIP

第 41卷 第 3期 计 算 机 工 程 2015年 3月 Vo1．4l No．3 ComputerEngineering March2015 · 人工智能及识别技术 · 文章编号：1000．3428{2015)03-0167-05 文献标识码：A 中图分类号：TP391．4 基于分位数特征提取的时间序列模式分类 管河山 ，王 谦 ，唐德文 (南华大学 a．经济管理学院；b．机械工程学院，湖南 衡阳421001) 摘 要 ：高速运行 的离心机设备 ，其振动状态检测数据通常呈现 出明显的非线性、正态分布和大样本 的特征 ，数据 波动的随机性使得其趋势特征难 以捕捉 。为此 ，提 出一种新 的时 问序列模式分类方法 。采集离心机设备运行状态 的振动信号时间序列进行分析，根据对称原理提取序列数据的分位数 ，构建特征向量，采用欧氏距离函数构建相似 性度量，建立模式分类的判定依据，使用 k—means分类算法实现状态模式 的自动分类 。仿真结果表 明，该方法能有 效区分离心机设备运行中空载和负载的模式状态，且 比传统的小波分析模式分类方法更加准确 。 关键词 ：分位数；时间序列；模式分类；离心机；振动信号．／J、波 中文引用格式：管河山，王 谦，唐德文．基于分位数特征提取的时间序列模式分类 [J]．计算机工程，2015，41(3)：167．171． 英文引用格式 ：GuanHeshan，WangQian，TangDewen．TimeSequencePatternClassificationBasedonQuantileFeature Extraction[J]．ComputerEngineering，2015，41(3)：167—171． TimeSequencePatternClassificationBasedonQuantileFeatureExtraction GUANHeshan ，WANGQian。，TANGDewen (a．SchoolofEconomicsManagement；b．SchoolofMechanicalEngineering UniversityofSouthChina，Hengyang421001，China) 【Abstract】Thevibrationstatedetectiondatafrom thecentrifugeequipmentinhigh—speedoperationusuallypresents obviousnonlinearity，normaldistribution andthecharacteristicsoflargesample，andrandom fluctuationsinthedatamake itdifficulttocapturethetrend characteristics．Inthispaper，timesequencetheory isused to analyzethevibration signal datagatheredfrom therunningcentrifugeequipment．Itusesthequantileofthesequencedatatobuild thefeaturevector accordingtothesymmetricalprinciple，andintroducestheEuclideandistancefunctiontoconstructsimilaritymeasure，and then sets up the decision basis for pattern classification，realizes the pattern classification employing the k—means classificationalgorithm ．Simulationresultsshow thatthismethodcaneffectivelydistinguishthepartial